基于KINECT的室内目标识别技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 室内目标识别研究现状 | 第15-17页 |
| 1.2.2 室内目标识别存在的问题 | 第17页 |
| 1.3 本文主要研究内容和组织结构 | 第17-19页 |
| 第2章 图像预处理与目标区域提取 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 实验系统组成 | 第19-20页 |
| 2.3 图像采集装置 | 第20-22页 |
| 2.3.1 Kinect结构 | 第20-21页 |
| 2.3.2 Kinect图像采集原理 | 第21-22页 |
| 2.4 图像预处理 | 第22-26页 |
| 2.4.1 图像裁剪与灰度化 | 第23-24页 |
| 2.4.2 图像滤波与修补 | 第24-26页 |
| 2.5 目标区域提取 | 第26-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 图像特征提取 | 第31-46页 |
| 3.1 引言 | 第31页 |
| 3.2 颜色特征 | 第31-33页 |
| 3.3 形状特征 | 第33-36页 |
| 3.3.1 几何特征 | 第33-34页 |
| 3.3.2 傅里叶描述子 | 第34页 |
| 3.3.3 链码 | 第34页 |
| 3.3.4 不变矩特征 | 第34-36页 |
| 3.4 纹理特征 | 第36-41页 |
| 3.4.1 灰度共生矩阵 | 第36-37页 |
| 3.4.2 小波变换纹理特征 | 第37-41页 |
| 3.5 本文提取的特征 | 第41-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 图像特征融合 | 第46-59页 |
| 4.1 引言 | 第46页 |
| 4.2 特征融合方法 | 第46-48页 |
| 4.3 PCA方法 | 第48-53页 |
| 4.3.1 PCA原理 | 第49页 |
| 4.3.2 PCA数学模型 | 第49-51页 |
| 4.3.3 结果分析 | 第51-53页 |
| 4.4 改进的PCA方法 | 第53-58页 |
| 4.4.1 线性判别分析 | 第53-56页 |
| 4.4.2 结果分析 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 目标识别 | 第59-73页 |
| 5.1 引言 | 第59页 |
| 5.2 支持向量机理论背景 | 第59-61页 |
| 5.2.1 VC维 | 第60页 |
| 5.2.2 推广性的界 | 第60页 |
| 5.2.3 结构风险最小化 | 第60-61页 |
| 5.3 支持向量机原理 | 第61-66页 |
| 5.3.1 线性可分支持向量机 | 第61-64页 |
| 5.3.2 广义线性可分支持向量机 | 第64-65页 |
| 5.3.3 非线性支持向量机 | 第65-66页 |
| 5.4 支持向量机参数寻优 | 第66-69页 |
| 5.4.1 交叉验证 | 第66-67页 |
| 5.4.2 网格搜索法 | 第67页 |
| 5.4.3 粒子群优化算法 | 第67页 |
| 5.4.4 遗传算法 | 第67-69页 |
| 5.5 实验结果及分析 | 第69-72页 |
| 5.6 本章小结 | 第72-73页 |
| 结论与展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 攻读学位期间发表的学术论文 | 第78-79页 |
| 致谢 | 第79页 |
