| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 选题的背景和研究的意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本论文的主要内容及章节安排 | 第12-14页 |
| 第二章 伐木机器人视觉系统的构成及树干图像的采集 | 第14-18页 |
| 2.1 机器人视觉系统硬件组成 | 第14-16页 |
| 2.1.1 摄像机 | 第14-15页 |
| 2.1.2 图像采集卡 | 第15页 |
| 2.1.3 计算机 | 第15-16页 |
| 2.2 机器人视觉系统软件组成 | 第16页 |
| 2.3 机器人视觉系统相关的参数 | 第16-17页 |
| 2.3.1 视觉系统硬件安装 | 第16页 |
| 2.3.2 图像采集卡参数设定 | 第16-17页 |
| 2.4 树干图像的采集 | 第17页 |
| 2.5 本章小结 | 第17-18页 |
| 第三章 树干图像的图像处理 | 第18-30页 |
| 3.1 图像分割方法的研究 | 第18-19页 |
| 3.2 常用的图像分割方法 | 第19-23页 |
| 3.2.1 基于区域的图像分割法 | 第19-22页 |
| 3.2.2 基于边界的图像分割法 | 第22-23页 |
| 3.3 基于半阈值分割的树干图像分割方法 | 第23-24页 |
| 3.4 数字图像的噪声处理 | 第24-29页 |
| 3.4.1 邻域平均法 | 第25-26页 |
| 3.4.2 中值滤波 | 第26-27页 |
| 3.4.3 高斯平滑滤波器 | 第27页 |
| 3.4.4 树干图像的中值滤波处理 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 复杂背景下树干图像的识别 | 第30-42页 |
| 4.1 图像的边缘检测 | 第30-33页 |
| 4.1.1 边缘检测的数学描述 | 第30-32页 |
| 4.1.2 Roberts算子 | 第32页 |
| 4.1.3 Prewitt算子 | 第32-33页 |
| 4.1.4 Sobel算子 | 第33页 |
| 4.2 神经网络 | 第33-36页 |
| 4.2.1 神经元模型 | 第34页 |
| 4.2.2 BP神经网络 | 第34-35页 |
| 4.2.3 网络的缺陷和需要改进的地方 | 第35-36页 |
| 4.3 基于BP神经网络的边缘检测算法 | 第36-41页 |
| 4.3.1 训练集的选取 | 第36页 |
| 4.3.2 BP神经网络结构的确定 | 第36-37页 |
| 4.3.3 BP神经网络的学习训练 | 第37-39页 |
| 4.3.4 不同参数下的实验数据 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 树干识别系统设计 | 第42-52页 |
| 5.1 系统的流程图 | 第42-43页 |
| 5.2 系统功能模块划分 | 第43-50页 |
| 5.2.1 Visual C++与Matlab应用程序接口的配置 | 第44页 |
| 5.2.2 图像数据的读取与保存 | 第44-45页 |
| 5.2.3 图像的预处理 | 第45-46页 |
| 5.2.4 图像增强模块 | 第46页 |
| 5.2.5 图像分割与特征提取模块 | 第46-48页 |
| 5.2.6 BP神经网络图像识别模块 | 第48-50页 |
| 5.3 实验结果及分析 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-55页 |
| 6.1 工作总结 | 第52-53页 |
| 6.2 进一步的研究展望 | 第53-55页 |
| 6.2.1 后续工作 | 第53-54页 |
| 6.2.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 发表论文和科研情况说明 | 第59-60页 |
| 致谢 | 第60-61页 |