摘要 | 第9-10页 |
Abstract | 第10-11页 |
第1章 绪论 | 第15-21页 |
1.1 课题研究的背景及意义 | 第15-16页 |
1.2 国内外研究现状 | 第16-19页 |
1.2.1 农业采摘机器人国内外发展现状 | 第16-18页 |
1.2.2 夜间机器视觉识别技术国内外发展现状 | 第18-19页 |
1.3 主要研究内容 | 第19-20页 |
1.4 本章小结 | 第20-21页 |
第2章 夜间青苹果图像采集及降噪算法研究 | 第21-32页 |
2.1 夜间青苹果图像采集 | 第21-23页 |
2.1.1 夜间青苹果生长环境分析 | 第21页 |
2.1.2 辅助光源的选择 | 第21-22页 |
2.1.3 图像采集系统 | 第22-23页 |
2.2 夜间图像噪声分析 | 第23-24页 |
2.3 夜间图像噪声研究 | 第24-29页 |
2.3.1 中值滤波算法 | 第24-26页 |
2.3.2 小波降噪算法 | 第26-29页 |
2.3.3 本文降噪算法 | 第29页 |
2.4 图像降噪性能测试 | 第29-31页 |
2.4.1 降噪效果评价 | 第29页 |
2.4.2 夜间图像降噪实验 | 第29-31页 |
2.5 本章小结 | 第31-32页 |
第3章 夜间青苹果图像增强算法研究 | 第32-42页 |
3.1 图像增强算法 | 第32-35页 |
3.1.1 直方图均衡化 | 第32-33页 |
3.1.2 反锐化掩膜 | 第33-34页 |
3.1.3 基于Retinex理论的图像増强 | 第34-35页 |
3.2 改进的单尺度Retinex夜间青苹果图像增强算法 | 第35-38页 |
3.2.1 单尺度Retinex算法 | 第35-36页 |
3.2.2 多尺度Retinex算法 | 第36页 |
3.2.3 改进的LoG算子 | 第36-37页 |
3.2.4 融合边缘信息特征的单尺度Retinex算法 | 第37-38页 |
3.3 图像增强性能测试 | 第38-41页 |
3.3.1 图像增强质量评价指标 | 第38-39页 |
3.3.2 夜间图像增强实验 | 第39-41页 |
3.4 本章小结 | 第41-42页 |
第4章 夜间青苹果果实的模板匹配 | 第42-54页 |
4.1 基于颜色特征的夜间青苹果图像分割 | 第42-44页 |
4.1.1 夜间青苹果图像颜色特征 | 第42-43页 |
4.1.2 最大类间方差法 | 第43-44页 |
4.2 匹配模板库的建立 | 第44-47页 |
4.2.1 青苹果边界提取 | 第44-45页 |
4.2.2 建立模板库 | 第45-47页 |
4.3 模板匹配 | 第47-49页 |
4.3.1 模板匹配原理 | 第47-48页 |
4.3.2 模板匹配算法 | 第48-49页 |
4.4 模板匹配实验 | 第49-53页 |
4.4.1 模板匹配算法测试 | 第49-51页 |
4.4.2 图像金字塔降低算法复杂度 | 第51页 |
4.4.3 基于金字塔模型的多模板匹配 | 第51-53页 |
4.5 本章小结 | 第53-54页 |
第5章 双目立体视觉的青苹果定位 | 第54-69页 |
5.1 成像模型与坐标系建立 | 第54-58页 |
5.1.1 双目立体视觉坐标系 | 第54-56页 |
5.1.2 摄像机线性模型 | 第56-57页 |
5.1.3 摄像机非线性模型 | 第57-58页 |
5.2 摄像机标定 | 第58-61页 |
5.2.1 摄像机标定方法概述 | 第58-59页 |
5.2.2 摄像机内外参数求解 | 第59-60页 |
5.2.3 双目立体标定 | 第60-61页 |
5.3 双目立体视觉 | 第61-63页 |
5.3.1 三维测量原理 | 第61-62页 |
5.3.2 一般情况下的双目视觉原理 | 第62-63页 |
5.4 标定实验和定位实验 | 第63-68页 |
5.4.1 标定实验与结果 | 第63-66页 |
5.4.2 定位实验与结果 | 第66-68页 |
5.5 本章小结 | 第68-69页 |
总结与展望 | 第69-71页 |
工作总结 | 第69-70页 |
展望 | 第70-71页 |
参考文献 | 第71-75页 |
致谢 | 第75-76页 |
附录A 攻读学位期间所撰写及录用的学术论文 | 第76页 |