| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 引言 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 图像分割技术研究现状 | 第14-16页 |
| 1.2.2 目标识别技术研究现状 | 第16-18页 |
| 1.3 本文的研究意义与内容架构 | 第18-20页 |
| 1.3.1 研究意义 | 第18页 |
| 1.3.2 内容架构 | 第18-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第2章 无纹理目标图像增强与感兴趣区域提取 | 第21-32页 |
| 2.1 引言 | 第21-22页 |
| 2.2 基于非下采样轮廓波变换的图像增强 | 第22-28页 |
| 2.2.1 基于非下采样轮廓波变换的图像多尺度分解 | 第22-25页 |
| 2.2.2 无纹理目标图像增强实验 | 第25-28页 |
| 2.3 基于背景标记分水岭算法的感兴趣区域提取 | 第28-31页 |
| 2.3.1 基于直方图双峰法的前景背景标记 | 第28-29页 |
| 2.3.2 无纹理目标图像感兴趣区域提取 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 边缘扇区分布特征的构建与匹配 | 第32-59页 |
| 3.1 引言 | 第32页 |
| 3.2 基于Harris角点的特征点提取与筛选 | 第32-37页 |
| 3.3 图像边缘的自适应重建 | 第37-44页 |
| 3.3.1 图像边缘直线段的自适应重建 | 第38-42页 |
| 3.3.2 图像边缘圆弧的自适应重建 | 第42-44页 |
| 3.4 边缘扇区分布特征描述子的构建与匹配 | 第44-48页 |
| 3.4.1 描述子的构建 | 第44-46页 |
| 3.4.2 描述子的匹配 | 第46-48页 |
| 3.5 鲁棒性及性能评估实验 | 第48-58页 |
| 3.5.1 边缘扇区分布特征的不变性分析 | 第48-54页 |
| 3.5.2 图像部分遮挡情况下的匹配 | 第54页 |
| 3.5.3 各类算法对比实验 | 第54-58页 |
| 3.6 本章小结 | 第58-59页 |
| 第4章 基于边缘扇区分布特征的无纹理目标识别 | 第59-71页 |
| 4.1 引言 | 第59页 |
| 4.2 基于DBSCAN算法的特征点聚类 | 第59-63页 |
| 4.3 动态场景下的目标识别方法 | 第63-68页 |
| 4.3.1 粒子滤波算法原理 | 第63-66页 |
| 4.3.2 动态场景下的多种类无纹理目标识别方法 | 第66-68页 |
| 4.4 无纹理目标识别实验 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第5章 无纹理目标识别系统的软硬件平台实现 | 第71-82页 |
| 5.1 引言 | 第71页 |
| 5.2 无纹理目标识别的硬件平台 | 第71-78页 |
| 5.2.1 目标识别系统的硬件选型 | 第71-73页 |
| 5.2.2 工业相机的手眼标定 | 第73-75页 |
| 5.2.3 工业机器人运动学求解分析 | 第75-78页 |
| 5.3 无纹理目标识别的模块化软件系统 | 第78-81页 |
| 5.3.1 软件系统开发环境与框架 | 第78-79页 |
| 5.3.2 基于Qt的可视化操作界面 | 第79-81页 |
| 5.4 本章小结 | 第81-82页 |
| 第6章 总结与展望 | 第82-85页 |
| 6.1 全文总结 | 第82-83页 |
| 6.2 工作展望 | 第83-85页 |
| 参考文献 | 第85-92页 |
| 作者简历 | 第92页 |