首页--政治、法律论文--法律论文--法学各部门论文--犯罪学论文--其他论文

电路板残片图像识别

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第11-17页
    1.1 课题目的及意义第11-12页
    1.2 国内外研究现状第12-15页
        1.2.1 图像分割研究现状第12-14页
        1.2.2 图像识别研究现状第14-15页
    1.3 论文研究成果第15-16页
    1.4 论文结构安排第16-17页
第二章 电路板图像对象分割第17-39页
    2.1 引言第17-18页
    2.2 方法概述第18页
    2.3 Graph cuts第18-21页
    2.4 Grab cut第21-23页
        2.4.1 颜色模型第21-22页
        2.4.2 模型初始化第22-23页
        2.4.3 迭代能量最小化第23页
    2.5 基于Grab cut的对象分割第23-29页
        2.5.1 K-means聚类第24-25页
        2.5.2 颜色空间第25-26页
        2.5.3 电路板前景提取第26-27页
        2.5.4 电路板对象分割第27-29页
    2.6 基于概率抽样颜色模型的对象精定位第29-35页
        2.6.1 颜色模型第30-31页
        2.6.2 精定位算法第31-34页
        2.6.3 参数设置第34-35页
    2.7 实验结果与分析第35-37页
        2.7.1 实验数据及采集方案第35页
        2.7.2 实验结果第35-37页
    2.8 本章小结第37-39页
第三章 电路板残片图像识别第39-55页
    3.1 引言第39-40页
    3.2 方法概述第40-41页
    3.3 SIFT特征第41页
    3.4 相似性度量第41-46页
        3.4.1 描述一致性原则第42页
        3.4.2 空间一致性原则第42-43页
        3.4.3 方向一致性原则第43-44页
        3.4.4 综合相似性度量第44-46页
    3.5 仿射变换第46-47页
    3.6 方法改进第47-50页
        3.6.1 候选匹配对策略修改第48-49页
        3.6.2 增加空间一致性约束第49-50页
    3.7 实验结果与分析第50-54页
        3.7.1 模拟残片数据集第50-52页
        3.7.2 实验结果第52-54页
    3.8 本章小结第54-55页
第四章 人群聚集与分离事件检测第55-71页
    4.1 引言第55-56页
    4.2 TRECVID-SED任务第56-57页
    4.3 聚集与分离事件检测框架第57-58页
    4.4 多目标跟踪方法改进第58-62页
        4.4.1 方法概述第58-59页
        4.4.2 高斯过程回归第59-60页
        4.4.3 实验结果与分析第60-62页
    4.5 基于轨迹分析的事件检测第62-70页
        4.5.1 轨迹分析算法第62-66页
        4.5.2 区域跨越检测算法第66-69页
        4.5.3 实验结果与分析第69-70页
    4.6 本章小结第70-71页
第五章 总结与展望第71-75页
    5.1 本文小结第71-72页
    5.2 未来工作展望第72-75页
参考文献第75-79页
致谢第79-81页
攻读学位期间发表的学术论文第81页

论文共81页,点击 下载论文
上一篇:埃洛石改性锂硫电池正极材料的研究
下一篇:基于深度神经网络的行人再辨识