| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 选题背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 本课题研究领域国内外研究动态及发展趋势 | 第10-12页 |
| 1.3.1 视觉检测国内外研究现状与发展趋势 | 第10-11页 |
| 1.3.2 楼梯检测技术研究现状及发展趋势 | 第11-12页 |
| 1.4 本文的主要内容和结构安排 | 第12-14页 |
| 2 经典边缘检测算法 | 第14-24页 |
| 2.1 边缘定义及边缘检测步骤 | 第14-15页 |
| 2.2 梯度算子 | 第15-17页 |
| 2.3 二阶微分算子 | 第17-19页 |
| 2.4 Canny边缘检测 | 第19-21页 |
| 2.5 实验结果分析 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 楼梯图像方向纹理特征分析 | 第24-30页 |
| 3.1 纹理描述 | 第24-25页 |
| 3.2 灰度差分统计法 | 第25-26页 |
| 3.3 灰度共生矩阵法 | 第26-27页 |
| 3.4 实验结果分析 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 楼梯图像边缘检测与距离定位 | 第30-51页 |
| 4.1 图像噪声处理 | 第30-33页 |
| 4.1.1 中值滤波去噪 | 第30-31页 |
| 4.1.2 小波软阈值去噪 | 第31-32页 |
| 4.1.3 图像去噪性能评价指标 | 第32-33页 |
| 4.2 基于小波变换和数学形态学的图像边缘检测 | 第33-36页 |
| 4.2.1 二维小波变换 | 第33-34页 |
| 4.2.2 高频子图像多方向边缘检测 | 第34页 |
| 4.2.3 数学形态学基本运算 | 第34-35页 |
| 4.2.4 低频子图像的形态学边缘检测 | 第35-36页 |
| 4.3 差影法对检测的高频和低频边缘子图融合 | 第36-37页 |
| 4.4 多方向小波变换及形态学融合的边缘检测算法 | 第37页 |
| 4.5 楼梯边缘距离信息定位 | 第37-44页 |
| 4.5.1 摄像机标定基础知识 | 第38-40页 |
| 4.5.2 摄像机线性成像模型 | 第40-41页 |
| 4.5.3 摄像机标定 | 第41-44页 |
| 4.6 距离信息定位的模型建立与公式推导 | 第44-50页 |
| 4.7 本章小结 | 第50-51页 |
| 5 实验结果与分析 | 第51-61页 |
| 5.1 实验场景介绍 | 第51-52页 |
| 5.2 楼梯图像边缘检测实验结果及分析 | 第52-57页 |
| 5.2.1 图像去噪实验结果及分析 | 第52-53页 |
| 5.2.2 基于多方向小波变换及形态学融合的边缘检测实验与分析 | 第53-55页 |
| 5.2.3 不同光照强度下的楼梯图像边缘检测实验对比与分析 | 第55-57页 |
| 5.3 楼梯距离信息实验结果及误差分析 | 第57-60页 |
| 5.3.1 摄像机标定结果 | 第57-58页 |
| 5.3.2 基于边缘线扫描的测距算法 | 第58-59页 |
| 5.3.3 实验结果与误差分析 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 全文总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67页 |