复杂环境下自动目标识别检测技术研究
摘要 | 第1-6页 |
ABSTRACT | 第6-10页 |
第一章 绪论 | 第10-17页 |
·课题研究背景及意义 | 第10页 |
·国内外相关技术研究现状及发展趋势 | 第10-13页 |
·基于在线跟踪的自动目标识别检测技术 | 第11页 |
·基于机器学习的自动目标识别检测技术 | 第11-13页 |
·主要研究内容及技术路线 | 第13-15页 |
·本文的结构安排 | 第15-17页 |
第二章 复杂场景下目标分割方法 | 第17-36页 |
·基于分形理论的人造目标分割方法 | 第17-25页 |
·分形理论 | 第17-18页 |
·最大熵目标分割法 | 第18-19页 |
·地毯分形法 | 第19-20页 |
·目标分形表面积检测 | 第20-22页 |
·目标梯度分形检测 | 第22-23页 |
·目标区域填充 | 第23-25页 |
·基于边缘连接的目标分割方法 | 第25-35页 |
·Canny 边缘检测算子 | 第25-28页 |
·广义边缘检测算子 | 第28-33页 |
·基于最近邻的边缘连接方法 | 第33-34页 |
·基于边缘反色的目标分离方法 | 第34-35页 |
·小结 | 第35-36页 |
第三章 基于在线跟踪的自动目标识别检测技术 | 第36-58页 |
·目标跟踪区域特征提取 | 第36-43页 |
·Hu 矩特征定义式 | 第37-39页 |
·频域能量特征 | 第39-43页 |
·目标轮廓形状特征提取 | 第43-50页 |
·傅里叶展开式 | 第43-44页 |
·角傅里叶描述子 | 第44-48页 |
·椭圆傅里叶描述子 | 第48-50页 |
·基于特征累积的目标自动识别检测 | 第50-52页 |
·本章算法仿真与结果分析 | 第52-57页 |
·小结 | 第57-58页 |
第四章 基于机器学习的自动目标识别检测技术 | 第58-67页 |
·基于机器学习的目标识别检测概述 | 第58-59页 |
·基于机器学习的目标特征提取 | 第59-64页 |
·尺度不变特征变换 | 第59-62页 |
·梯度方向直方图 | 第62-64页 |
·基于机器学习的目标特征训练与匹配 | 第64-65页 |
·小结 | 第65-67页 |
第五章 基于霍夫森林的自动目标识别检测技术 | 第67-85页 |
·基于霍夫森林的自动目标识别检测技术简介 | 第67-75页 |
·霍夫变换基本原理 | 第67-71页 |
·随机森林基本原理 | 第71-72页 |
·霍夫森林目标识别检测原理 | 第72-75页 |
·基于霍夫森林目标识别检测算法实现流程 | 第75-77页 |
·基于霍夫森林目标识别检测实验及分析 | 第77-84页 |
·小结 | 第84-85页 |
第六章 总结与展望 | 第85-88页 |
·本文工作总结 | 第85-86页 |
·论文主要工作 | 第85-86页 |
·研究创新点 | 第86页 |
·研究方向展望 | 第86-88页 |
致谢 | 第88-89页 |
参考文献 | 第89-94页 |
攻硕期间取得的研究成果 | 第94-95页 |