| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景和意义 | 第7-8页 |
| ·研究现状 | 第8页 |
| ·需要研究的方向 | 第8-9页 |
| ·研究目标 | 第9页 |
| ·研究内容 | 第9页 |
| ·论文的内容及章节安排 | 第9-11页 |
| 第二章 视觉系统的概述 | 第11-25页 |
| ·视觉系统综述 | 第11-18页 |
| ·根据摄像机数目分类 | 第11-13页 |
| ·根据摄像机放置位置分类 | 第13-15页 |
| ·根据视觉系统的控制模型分类 | 第15-18页 |
| ·基于视觉系统的机器人导航系统综述 | 第18-22页 |
| ·MSRS(Microsoft Robotics studio)简介 | 第22-25页 |
| ·Microsoft Robotics studio 概述 | 第22页 |
| ·Microsoft Robotics studio 特点及目标 | 第22-23页 |
| ·Microsoft Robotics studio 功能 | 第23页 |
| ·Microsoft Robotics studio 运行环境 | 第23-25页 |
| 第三章 小波变换应用于图像处理 | 第25-43页 |
| ·小波变换的理论基础 | 第25-35页 |
| ·连续小波变换 | 第25-26页 |
| ·连续小波变换的性质 | 第26-29页 |
| ·离散小波变换 | 第29-32页 |
| ·二进小波变换 | 第32-34页 |
| ·小波变换与 DFT 的比较 | 第34-35页 |
| ·小波变换的应用 | 第35-43页 |
| ·基于小波的图像压缩 | 第35-37页 |
| ·基于小波的图像增强 | 第37-40页 |
| ·基于小波的图像去噪 | 第40-43页 |
| 第四章 基于语义的图像检索 | 第43-55页 |
| ·图像语义模型 | 第43-45页 |
| ·图像语义的提取方法 | 第45-47页 |
| ·底层视觉特征到高层语义的直接映射 | 第45-46页 |
| ·基于关键字的语义网络 | 第46-47页 |
| ·语义向量 | 第47页 |
| ·图像语义的描述 | 第47-48页 |
| ·现有的图像语义检索系统 | 第48-50页 |
| ·图像检索中的相关反馈技术 | 第50-52页 |
| ·基于 SVM 增量学习的相关反馈技术 | 第52-55页 |
| ·传统的基于 SVM 的相关反馈算法 | 第52-53页 |
| ·问题的提出 | 第53页 |
| ·SVM 增量学习 | 第53-55页 |
| 第五章 实验方案及结果分析 | 第55-67页 |
| ·仿真平台的搭建以及环境图像信息的提取 | 第55-57页 |
| ·仿真平台的搭建 | 第55-56页 |
| ·模拟环境图像信息的获取 | 第56-57页 |
| ·图像处理 | 第57-63页 |
| ·图像的边缘处理 | 第57-59页 |
| ·图像的分割处理 | 第59-60页 |
| ·图像颜色特征的提取 | 第60-63页 |
| ·基于语义的图像识别 | 第63-67页 |
| ·语义检索系统框架 | 第63-64页 |
| ·实验结果 | 第64-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-74页 |
