采棉机器人视觉系统关键算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 引言 | 第8页 |
| 1.2 研究目的及意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.3.1 国外发展现状 | 第9-10页 |
| 1.3.2 国内发展现状 | 第10-11页 |
| 1.4 研究内容和技术路线 | 第11-13页 |
| 第二章 自然场景下的棉花分割算法研究 | 第13-24页 |
| 2.1 引言 | 第13页 |
| 2.2 颜色空间选取 | 第13-16页 |
| 2.2.1 RGB颜色空间 | 第13-14页 |
| 2.2.2 HSV颜色空间 | 第14-15页 |
| 2.2.3 YCbCr颜色空间 | 第15-16页 |
| 2.3 粒子群算法原理 | 第16-17页 |
| 2.4 k-means算法原理 | 第17-18页 |
| 2.5 PSO与K均值混合聚类算法 | 第18-21页 |
| 2.5.1 粒子群优化（PSO）算法 | 第18页 |
| 2.5.2 确定K均值算法操作时机 | 第18-19页 |
| 2.5.3 算法结合具体操作流程 | 第19-20页 |
| 2.5.4 连通域面积去噪 | 第20-21页 |
| 2.6 实验结果与分析 | 第21-22页 |
| 2.7 本章小结 | 第22-24页 |
| 第三章 棉花成熟判定 | 第24-34页 |
| 3.1 棉花特征选取 | 第24-25页 |
| 3.2 特征提取 | 第25-28页 |
| 3.2.1 形状特征选取 | 第25-26页 |
| 3.2.2 最小外接矩形 | 第26-27页 |
| 3.2.3 特征提取与标注 | 第27-28页 |
| 3.3 判定模型的建立 | 第28-31页 |
| 3.3.1 支持向量机 | 第29-30页 |
| 3.3.2 粒子群优化SVM | 第30-31页 |
| 3.4 棉花成熟判定 | 第31-32页 |
| 3.4.1 棉花成熟判定算法 | 第31-32页 |
| 3.4.2 实验结果与分析 | 第32页 |
| 3.5 本章小结 | 第32-34页 |
| 第四章 一种基于特征的棉花图像快速匹配算法 | 第34-46页 |
| 4.1 图像匹配原理 | 第34-36页 |
| 4.2 研究方法 | 第36-42页 |
| 4.2.1 FAST角点检测 | 第36-37页 |
| 4.2.2 SURF描述向量 | 第37-38页 |
| 4.2.3 基于改进KD-Tree的匹配搜索 | 第38-40页 |
| 4.2.4 RANSAC与极限约束剔除伪匹配 | 第40-42页 |
| 4.3 实验结果与分析 | 第42-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 下一步工作展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 在读学位期间发表的论文 | 第52-53页 |
| 致谢 | 第53页 |
