基于机器视觉的自然目标特征学习与即时检测
| 摘要 | 第1-9页 |
| Abstract | 第9-12页 |
| 目录 | 第12-15页 |
| 附图目录 | 第15-18页 |
| 第一章 绪论 | 第18-29页 |
| ·自然目标机器视觉检测概述 | 第18-20页 |
| ·国内外自然目标视觉检测研究 | 第20-25页 |
| ·问题的提出 | 第25-26页 |
| ·本文安排与所做主要工作 | 第26-29页 |
| 第二章 图象特征提取与视觉识别 | 第29-52页 |
| ·基于自适应颜色压缩目标提取 | 第29-36页 |
| ·颜色压缩原理 | 第29-30页 |
| ·基于 PCA的训练学习 | 第30-31页 |
| ·自组织特征映射 | 第31-32页 |
| ·基于 SOFM的训练学习 | 第32页 |
| ·自适应颜色压缩算法 | 第32-34页 |
| ·实验结果与分析 | 第34-36页 |
| ·团状生物目标自动计数 | 第36-46页 |
| ·椭圆模型数数算法 | 第36-39页 |
| ·边缘坐标链码表示 | 第36页 |
| ·单椭圆检测 | 第36-37页 |
| ·椭圆中心点估计 | 第37-38页 |
| ·粘连椭圆参数估计 | 第38-39页 |
| ·椭圆伪中心点自动剔除 | 第39页 |
| ·团状粘连目标自动分割 | 第39-41页 |
| ·椭圆模型数数算法的实现 | 第41-42页 |
| ·团状目标自动计数结果 | 第42-46页 |
| ·视觉自适应目标实时跟踪 | 第46-51页 |
| ·自适应宏块特征量化 | 第46-49页 |
| ·宏块特征的自适应提取 | 第47页 |
| ·去除噪声与降维计算 | 第47-48页 |
| ·有效宏块特征值的分布 | 第48页 |
| ·闯入目标的即时检测 | 第48-49页 |
| ·实时视觉监控系统结构 | 第49页 |
| ·实验结果与分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第三章 参数混合优化与纹理特征自学习 | 第52-85页 |
| ·概述 | 第52-61页 |
| ·软计算的混合方案 | 第53-54页 |
| ·优化中的网络训练 | 第54-55页 |
| ·遗传规划方法 | 第55-61页 |
| ·混合优化方法验证实验 | 第61-64页 |
| ·自适应聚类的 EM贪婪学习 | 第61-62页 |
| ·TSP最短路径优化选择 | 第62-63页 |
| ·验证实验分析 | 第63-64页 |
| ·纹理距离测量 | 第64-67页 |
| ·参数化方法 | 第64页 |
| ·非参数化方法 | 第64-66页 |
| ·纹理的直方图表示 | 第66页 |
| ·纹理的转移矩阵表示 | 第66-67页 |
| ·表面特征增强与即时检测 | 第67-84页 |
| ·帧内多特征自学习 | 第68-73页 |
| ·帧分块大小确定 | 第68-69页 |
| ·帧分块特征选取 | 第69-70页 |
| ·感兴趣目标特征图表达 | 第70-73页 |
| ·分块特征的滚动自学习 | 第73页 |
| ·特征实时分类器设计 | 第73-78页 |
| ·特征贡献率优先级评价 | 第73-76页 |
| ·特征值计算时间优先级 | 第76-77页 |
| ·表面缺陷的多证据分级评价 | 第77-78页 |
| ·时—空域多证据增强的即时检测 | 第78页 |
| ·实验结果与分析 | 第78-84页 |
| ·本章小结 | 第84-85页 |
| 第四章 自然纹理两类边缘即时理解 | 第85-100页 |
| ·最佳适应步距两类分割 | 第85-86页 |
| ·k阶极值加权均值两类分割 | 第86-89页 |
| ·多尺度特征提取 | 第86页 |
| ·初始兴趣区提取 | 第86-87页 |
| ·感兴趣区压缩算法 | 第87-88页 |
| ·导航方向线自动生成 | 第88-89页 |
| ·左右均值最大差两类分割 | 第89-90页 |
| ·多证据两类分割方法 | 第90-91页 |
| ·算法思想 | 第90-91页 |
| ·行增强多证据模糊判断 | 第91页 |
| ·多行最适应步距两类分割 | 第91-92页 |
| ·RGB分量运算-色域压缩全图分割 | 第92-93页 |
| ·非结构化自然道路的理解 | 第93-95页 |
| ·实验结果分析 | 第95-99页 |
| ·本章小结 | 第99-100页 |
| 第五章 自然纹理两类边缘单目视觉跟踪 | 第100-110页 |
| ·概述 | 第100-101页 |
| ·透视投影变换模型 | 第101页 |
| ·摄象机主姿态的简化自标定 | 第101-103页 |
| ·快速透视投影变换算法 | 第101-102页 |
| ·摄象机主姿态角的自动获取 | 第102-103页 |
| ·边缘线真实方向角参数 | 第103-104页 |
| ·动态序列短暂记忆的多证据分割增强 | 第104-109页 |
| ·本章小结 | 第109-110页 |
| 第六章 自然目标特征学习与即时检测 | 第110-122页 |
| ·自然道路感兴趣区提取 | 第110页 |
| ·RGB色域特征循环学习方法 | 第110-112页 |
| ·基于进化学习的色域组合 | 第112-114页 |
| ·颜色域快速压缩方法 | 第114-116页 |
| ·自然多目标的即时检测应用 | 第116-121页 |
| ·本章小结 | 第121-122页 |
| 第七章 半透明动态纹理视频的理解与检测 | 第122-132页 |
| ·概述 | 第122页 |
| ·动态序列图像预处理 | 第122-123页 |
| ·分块特征值计算 | 第123页 |
| ·复杂序列的背景学习与维护 | 第123-125页 |
| ·移动物体判别准则 | 第123-124页 |
| ·临时—永久背景更新模型 | 第124-125页 |
| ·烟雾识别 | 第125-127页 |
| ·烟雾的色域特征 | 第125页 |
| ·烟雾的小波特征 | 第125-126页 |
| ·烟雾波动的时频特征 | 第126-127页 |
| ·烟雾的半透明特征 | 第127页 |
| ·杂点剔除和连通域标识 | 第127-128页 |
| ·实验结果与分析 | 第128-131页 |
| ·动态背景模型学习 | 第128-129页 |
| ·烟雾检测实验 | 第129-131页 |
| ·本章小结 | 第131-132页 |
| 第八章 结论与建议 | 第132-136页 |
| ·研究结论 | 第132-133页 |
| ·主要创新工作 | 第133-134页 |
| ·展望 | 第134-136页 |
| 参考文献 | 第136-145页 |
| 致谢 | 第145-146页 |
| 攻读博士学位期间发表的论文及科研项目 | 第146-148页 |
