基于视觉和力信号的地形分类方法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本论文主要工作 | 第11-14页 |
| 第二章 图像预处理及特征提取 | 第14-25页 |
| 2.1 图像预处理 | 第14-16页 |
| 2.1.1 获取图像感兴趣区域 | 第14页 |
| 2.1.2 图像灰度化处理 | 第14-15页 |
| 2.1.3 图像平滑处理 | 第15-16页 |
| 2.2 图像特征提取 | 第16-24页 |
| 2.2.1 颜色特征提取 | 第17-21页 |
| 2.2.1.1 颜色空间转换 | 第17-18页 |
| 2.2.1.2 颜色直方图 | 第18-21页 |
| 2.2.2 纹理特征提取 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 力信号特征提取 | 第25-38页 |
| 3.1 时域特征 | 第27-30页 |
| 3.1.1 均值、峰值、最大最小值、过零次数 | 第27-28页 |
| 3.1.2 区域频次统计、标准差、全变差 | 第28-30页 |
| 3.2 频域特征 | 第30-35页 |
| 3.2.1 功率谱密度 | 第31-32页 |
| 3.2.2 FFT系数 | 第32-33页 |
| 3.2.3 DCT系数 | 第33-35页 |
| 3.3 时频域特征 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 降维及分类器的设计与实现 | 第38-51页 |
| 4.1 特征降维 | 第38-40页 |
| 4.1.1 主成分分析原理 | 第39页 |
| 4.1.2 主成分分析实现 | 第39-40页 |
| 4.2 分类器设计与实现 | 第40-45页 |
| 4.2.1 归一化处理 | 第40-41页 |
| 4.2.2 线性SVM | 第41-43页 |
| 4.2.3 非线性SVM | 第43-44页 |
| 4.2.3.1 核函数的分类 | 第43-44页 |
| 4.2.3.2 核函数的选取 | 第44页 |
| 4.2.4 SVM实现多分类 | 第44-45页 |
| 4.3 分类器参数优化 | 第45-50页 |
| 4.3.1 适应度函数构造 | 第46页 |
| 4.3.2 遗传算子简介 | 第46-48页 |
| 4.3.2.1 选择 | 第47页 |
| 4.3.2.2 交叉 | 第47-48页 |
| 4.3.2.3 变异 | 第48页 |
| 4.3.3 算法实现流程 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 数据分析及结果验证 | 第51-59页 |
| 5.1 分类器的选取及参数优化 | 第52-54页 |
| 5.2 地形特征识别 | 第54-58页 |
| 5.2.1 基于颜色特征的地形分类 | 第55-56页 |
| 5.2.2 基于纹理特征的地形分类 | 第56-57页 |
| 5.2.3 基于力信号特征的地形分类 | 第57-58页 |
| 5.2.4 基于融合特征的地形分类 | 第58页 |
| 5.3 本章小节 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 研究总结 | 第59-60页 |
| 6.2 研究展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
