基于机器视觉的瓷砖的在线分类识别的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·课题研究的目的意义 | 第9-10页 |
| ·本课题研究现状 | 第10页 |
| ·本课题研究的内容及章节安排 | 第10-13页 |
| 第2章 基于 SIFT 特征点的瓷砖图片的拼接 | 第13-34页 |
| ·图像拼接概述 | 第13-14页 |
| ·图像配准方法 | 第14-15页 |
| ·特征点检测原理 | 第15-27页 |
| ·Harris 角点检测 | 第15-20页 |
| ·SIFT 特征点检测 | 第20-25页 |
| ·SIFT 特征描述子 | 第25-27页 |
| ·基于 SIFT 特征点的瓷砖图像拼接 | 第27-29页 |
| ·图像坐标变换模型 | 第27-28页 |
| ·随机抽样一致性算法 | 第28-29页 |
| ·图像拼接结果 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 颜色特征的提取 | 第34-43页 |
| ·颜色空间 | 第34-38页 |
| ·RGB 颜色空间 | 第34-35页 |
| ·HSV 颜色空间 | 第35-36页 |
| ·RGB 到 HSV 颜色空间的转换 | 第36-37页 |
| ·HSV 到 RGB 颜色空间的转换 | 第37-38页 |
| ·颜色特征的量化 | 第38-40页 |
| ·HSV 颜色空间的量化 | 第39-40页 |
| ·颜色特征的提取 | 第40-42页 |
| ·全局颜色特征的提取 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 边缘分块不变矩特征的提取 | 第43-55页 |
| ·边缘检测 | 第43-49页 |
| ·常见算子分析 | 第44-49页 |
| ·边缘矩特征 | 第49-54页 |
| ·边缘检测 | 第49-50页 |
| ·矩特征 | 第50-51页 |
| ·分块的矩特征提取 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于神经网络的瓷砖分类识别 | 第55-67页 |
| ·人工神经网络的生物学基础 | 第55-56页 |
| ·神经元的结构构成 | 第55-56页 |
| ·人工神经网络 | 第56-61页 |
| ·人工神经元模型 | 第56-57页 |
| ·神经元的数学模型 | 第57-58页 |
| ·转移函数 | 第58-61页 |
| ·基于 BP 神经网络的瓷砖分类识别 | 第61-66页 |
| ·网络结构 | 第61-62页 |
| ·避免局部极小值 | 第62页 |
| ·神经网络识别 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 结论与展望 | 第67-69页 |
| ·主要研究内容及结论 | 第67页 |
| ·对未来工作的展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 个人简历、在校期间发表的学术论文及研究成果 | 第73页 |
