机械零件图像跟踪与识别关键技术基础研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-24页 |
| ·课题研究的意义 | 第11-13页 |
| ·国内外研究现状 | 第13-21页 |
| ·图像预处理的研究现状 | 第13-14页 |
| ·运动目标检测研究现状 | 第14-16页 |
| ·运动目标跟踪研究现状 | 第16-19页 |
| ·形态学的研究现状 | 第19-20页 |
| ·图像识别的研究现状 | 第20-21页 |
| ·主要研究 | 第21-22页 |
| ·论文的结构 | 第22-24页 |
| 第二章 机械零件图像的预处理 | 第24-37页 |
| ·引言 | 第24-25页 |
| ·图像非线性几何失真校正原理 | 第25-26页 |
| ·空间变换 | 第25-26页 |
| ·灰度级插值 | 第26页 |
| ·遗传神经网络 | 第26-31页 |
| ·神经网络模型 | 第26-28页 |
| ·遗传算法 | 第28-30页 |
| ·改进遗传算法 | 第30-31页 |
| ·图像非线性几何失真校正实例 | 第31-37页 |
| ·网络模型和控制参数设置 | 第31-32页 |
| ·测试结果 | 第32-35页 |
| ·实例及算法分析 | 第35-37页 |
| 第三章 运动零件目标检测与跟踪算法研究 | 第37-56页 |
| ·基于运动分析的方法 | 第37-41页 |
| ·帧间差分法 | 第37-39页 |
| ·光流法 | 第39-41页 |
| ·基于图像匹配的方法 | 第41-43页 |
| ·模板匹配 | 第41-42页 |
| ·特征匹配 | 第42-43页 |
| ·模型匹配 | 第43页 |
| ·频率域匹配 | 第43页 |
| ·基于Snake的运动目标检测 | 第43-47页 |
| ·Snake模型 | 第43-45页 |
| ·基于Snake算法的应用 | 第45-47页 |
| ·基于形态学的目标跟踪 | 第47-56页 |
| ·数学形态学的基本定义 | 第47-50页 |
| ·一些基本形态学算法 | 第50-51页 |
| ·基于形态学的运动目标检测和跟踪 | 第51-56页 |
| 第四章 运动零件图像分割和边缘检测算法研究 | 第56-75页 |
| ·图像分割 | 第56-61页 |
| ·灰度阈值法分割 | 第56-59页 |
| ·类间方差阈值分割 | 第59-60页 |
| ·基于区域的分割 | 第60-61页 |
| ·基于 Hilbert-小波的机械零件图像分割 | 第61-67页 |
| ·Hilbert-小波图像分割方法的基本思想 | 第61-63页 |
| ·阈值曲线的生成 | 第63-64页 |
| ·Hilbert-小波图像分割的实验分析 | 第64-67页 |
| ·图像的边缘检测 | 第67-72页 |
| ·边缘的类型 | 第67-68页 |
| ·基于梯度的边缘检测算子 | 第68-72页 |
| ·基于小波变换的边缘检测 | 第72-75页 |
| 第五章 运动零件图像特征提取和识别算法研究 | 第75-109页 |
| ·概述 | 第75-82页 |
| ·特征提取 | 第82-85页 |
| ·图像边缘的特征提取法 | 第82-84页 |
| ·图像分割的特征提取法 | 第84-85页 |
| ·识别 | 第85-97页 |
| ·径向基神经网络 | 第85-86页 |
| ·基于径向基神经网络的识别 | 第86-91页 |
| ·识别精度分析 | 第91-92页 |
| ·基于 GUI的零件图像识别仿真 | 第92-94页 |
| ·基于证据理论的零件图像识别 | 第94-97页 |
| ·基于 LabVIEW的识别实现 | 第97-109页 |
| ·程序设计 | 第97-106页 |
| ·特征提取 | 第106-107页 |
| ·识别仪前面板及识别结果 | 第107-109页 |
| 第六章 全文总结 | 第109-111页 |
| ·论文总结 | 第109-110页 |
| ·论文有待完善之处 | 第110-111页 |
| 致谢 | 第111-112页 |
| 作者博士在读期间发表论文 | 第112-113页 |
| 参考文献 | 第113-123页 |
