| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题的研究背景和意义 | 第11-13页 |
| 1.2 国内外研究动态 | 第13-16页 |
| 1.3 目前存在的主要问题 | 第16-17页 |
| 1.4 主要研究内容 | 第17页 |
| 1.5 论文组织结构 | 第17-19页 |
| 第二章 基于智能算法的椒盐噪声图像去噪 | 第19-40页 |
| 2.1 引言 | 第19页 |
| 2.2 算法流程 | 第19-20页 |
| 2.3 背景知识 | 第20-26页 |
| 2.3.1 噪声模型 | 第20页 |
| 2.3.2 Rank-Ordered Absolute Differences(ROAD) | 第20-21页 |
| 2.3.3 Rank Ordered Logarithmic Difference(ROLD) | 第21-22页 |
| 2.3.4 训练图像 | 第22-23页 |
| 2.3.5 决策规则 | 第23页 |
| 2.3.6 噪声点还原 | 第23-25页 |
| 2.3.7 评价指标 | 第25-26页 |
| 2.4 GA-BPN的滤波方法 | 第26-32页 |
| 2.4.1 GA-BPN | 第26页 |
| 2.4.2 整体流程 | 第26-28页 |
| 2.4.3 实验结果 | 第28-32页 |
| 2.5 基于噪声水平估计的二次检测混合滤波算法 | 第32-39页 |
| 2.5.1 算法流程 | 第32-34页 |
| 2.5.2 检测器 | 第34-35页 |
| 2.5.3 噪声密度估计 | 第35-36页 |
| 2.5.4 实验结果 | 第36-39页 |
| 2.6 结论 | 第39-40页 |
| 第三章 最优小波尺度空间的图像边缘检测方法 | 第40-50页 |
| 3.1 边缘检测中小波变换的应用 | 第40页 |
| 3.2 小波变换尺度空间的构造 | 第40-42页 |
| 3.2.1 图像尺度范围的确定 | 第40-41页 |
| 3.2.2 尺度自适应选择的准则 | 第41-42页 |
| 3.3 基于多变量遗传算法的最优尺度确定 | 第42-44页 |
| 3.3.1 遗传算法的特点 | 第42页 |
| 3.3.2 遗传算法设计 | 第42-44页 |
| 3.4 多尺度边缘图像融合 | 第44页 |
| 3.5 实验结果与分析 | 第44-49页 |
| 3.5.1 客观评价 | 第44-46页 |
| 3.5.2 直观效果 | 第46-47页 |
| 3.5.3 在机器人视觉导航中的应用 | 第47-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于深度学习的交通标志识别 | 第50-59页 |
| 4.1 前言 | 第50页 |
| 4.2 背景知识 | 第50-54页 |
| 4.2.1 深度学习 | 第50-52页 |
| 4.2.2 LeNet-5 | 第52-53页 |
| 4.2.3 德国交通标志标准数据库 | 第53-54页 |
| 4.3 实验数据 | 第54-58页 |
| 4.3.1 在德国交通标识标准数据库中应用 | 第54-56页 |
| 4.3.2 在RoboCup救援机人项目中的应用 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 基于PSO优化算法的最优路径规划 | 第59-87页 |
| 5.1 引言 | 第59页 |
| 5.2 改进的PSO | 第59-73页 |
| 5.2.1 经典的PSO | 第59-60页 |
| 5.2.2 PSO优化的几种途径 | 第60-62页 |
| 5.2.3 混合粒子群优化 | 第62-68页 |
| 5.2.3.1 新算法整体思路 | 第62-64页 |
| 5.2.3.2 新算法具体细节 | 第64-68页 |
| 5.2.4 实验数据 | 第68-73页 |
| 5.3 路径寻优 | 第73-85页 |
| 5.3.1 前期处理 | 第73-75页 |
| 5.3.1.1 栅格地图构建 | 第73页 |
| 5.3.1.2 适应度 | 第73-75页 |
| 5.3.2 优化过程 | 第75-77页 |
| 5.3.2.1 多目标优化方法 | 第75-76页 |
| 5.3.2.2 适应度函数 | 第76页 |
| 5.3.2.3 算法流程 | 第76-77页 |
| 5.3.3 实验数据 | 第77-85页 |
| 5.3.3.1 寻找Pareto前端 | 第77-78页 |
| 5.3.3.2 收敛速度 | 第78-81页 |
| 5.3.3.3 机器人路径规划实验 | 第81-85页 |
| 5.4 本章小结 | 第85-87页 |
| 第六章 结论与展望 | 第87-88页 |
| 6.1 论文主要创新点 | 第87页 |
| 6.2 未来研究展望 | 第87-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-95页 |
| 作者攻读博士期间发表论文清单及研究成果 | 第95-96页 |