智能挖掘机视觉系统中图像处理技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-25页 |
| ·选题背景 | 第13-15页 |
| ·国内外智能挖掘机研究概况 | 第15-17页 |
| ·智能挖掘机系统构成 | 第17-18页 |
| ·智能挖掘机视觉系统 | 第18-20页 |
| ·图像处理技术及难点 | 第20-22页 |
| ·本文研究的主要内容 | 第22-25页 |
| 第二章 基于Chan Vese模型的分割算法研究 | 第25-43页 |
| ·引言 | 第25-26页 |
| ·图像分割模型分析 | 第26-33页 |
| ·活动轮廓模型 | 第26-29页 |
| ·Mumford Shah模型 | 第29页 |
| ·Chan Vese模型 | 第29-32页 |
| ·改进的分割模型 | 第32-33页 |
| ·改进的初始轮廓线设置方式 | 第33页 |
| ·数值求解方式 | 第33-34页 |
| ·有限差分隐式格式 | 第33-34页 |
| ·迭代终止条件 | 第34页 |
| ·分割算法的基本步骤 | 第34页 |
| ·分割算法的评价准则 | 第34-36页 |
| ·区域一致性 | 第35页 |
| ·区域对比度 | 第35-36页 |
| ·实验结果与讨论 | 第36-41页 |
| ·实验环境及参数设定 | 第36页 |
| ·分段常量图像分割 | 第36-37页 |
| ·分段光滑图像及噪声污染图像的分割 | 第37-39页 |
| ·初始轮廓线设置对分割速度的影响 | 第39-41页 |
| ·挖掘机工作现场图像分割 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第三章 基于曲率的形状匹配算法研究 | 第43-57页 |
| ·引言 | 第43-46页 |
| ·基于曲率的特征表述 | 第46-50页 |
| ·轮廓的提取 | 第46页 |
| ·曲率的估计 | 第46-47页 |
| ·极值点的判断 | 第47-48页 |
| ·轮廓特征的分段表述 | 第48-50页 |
| ·特征空间的相似性度量 | 第50页 |
| ·图像匹配寻优算法 | 第50-53页 |
| ·优化算法的选择 | 第50-52页 |
| ·优化算法具体参数 | 第52-53页 |
| ·优化算法的计算流程 | 第53页 |
| ·形状匹配算法具体步骤 | 第53页 |
| ·实验结果与讨论 | 第53-56页 |
| ·实验环境 | 第53-54页 |
| ·旋转情况下的轮廓匹配 | 第54页 |
| ·挖掘机铲斗的轮廓匹配 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 运动目标检测算法研究 | 第57-69页 |
| ·引言 | 第57-58页 |
| ·光流场估计 | 第58-61页 |
| ·典型光流算法分析 | 第59-60页 |
| ·双边滤波 | 第60-61页 |
| ·遮挡区域检测 | 第61-63页 |
| ·图像静态特征和运动信息 | 第62页 |
| ·运动目标遮挡区域检测 | 第62-63页 |
| ·区域分割算法 | 第63-64页 |
| ·运动目标检测算法主要步骤 | 第64页 |
| ·实验结果与讨论 | 第64-67页 |
| ·实验环境及参数设定 | 第64页 |
| ·光流场估计精度对比 | 第64-65页 |
| ·合成序列图像运动目标检测 | 第65-66页 |
| ·挖掘机工作现场图像运动目标检测 | 第66-67页 |
| ·本章小结 | 第67-69页 |
| 第五章 基于Mean Shift的跟踪算法研究 | 第69-85页 |
| ·引言 | 第69-71页 |
| ·核函数估计 | 第71-74页 |
| ·非参数密度估计 | 第71-72页 |
| ·核密度的梯度 | 第72-74页 |
| ·特征模型表述 | 第74-77页 |
| ·标准Mean Shift的特征模型表述 | 第74-76页 |
| ·改进的模型表述 | 第76-77页 |
| ·特征空间的相似性度量 | 第77-78页 |
| ·目标跟踪算法具体步骤 | 第78-79页 |
| ·实验结果与讨论 | 第79-83页 |
| ·实验环境及参数设定 | 第79页 |
| ·旋转和尺度变化下的跟踪 | 第79-80页 |
| ·背景相似颜色干扰下的跟踪 | 第80-82页 |
| ·挖掘机工作现场的目标跟踪 | 第82-83页 |
| ·本章小结 | 第83-85页 |
| 第六章 算法应用分析及信息融合研究 | 第85-93页 |
| ·引言 | 第85页 |
| ·典型操作流程分析 | 第85-87页 |
| ·算法应用实验 | 第87-88页 |
| ·实验环境及参数设定 | 第87页 |
| ·具体算法实现步骤 | 第87页 |
| ·实验结果与讨论 | 第87-88页 |
| ·信息融合分析 | 第88-92页 |
| ·信息融合的基本原理 | 第89页 |
| ·信息融合的方式和级别 | 第89-90页 |
| ·信息融合的处理技术 | 第90-91页 |
| ·基于模糊神经网络的信息融合 | 第91-92页 |
| ·本章小结 | 第92-93页 |
| 第七章 总结与展望 | 第93-95页 |
| ·全文工作总结 | 第93-94页 |
| ·未来工作展望 | 第94-95页 |
| 参考文献 | 第95-107页 |
| 致谢 | 第107-109页 |
| 附录A 作者简介 | 第109-111页 |
| 附录B 攻读博士学位期间发表学术论文 | 第111页 |
