摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第1章 绪论 | 第10-18页 |
1.1 研究的目的和意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 机器视觉系统的国内外研究现状 | 第11-13页 |
1.2.2 目标识别算法的国内外研究现状 | 第13-14页 |
1.2.3 特征提取算法的国内外研究现状 | 第14-15页 |
1.3 论文的主要研究内容和章节安排 | 第15-18页 |
第2章 图像的预处理 | 第18-38页 |
2.1 图像去噪 | 第18-28页 |
2.1.1 图像去噪概述 | 第18-19页 |
2.1.2 图像去噪方法研究 | 第19-20页 |
2.1.3 实验结果及分析 | 第20-28页 |
2.2 光照补偿 | 第28-36页 |
2.2.1 直方图均衡化 | 第28-29页 |
2.2.2 同态滤波法算法 | 第29-30页 |
2.2.3 Gamma校正算法 | 第30-31页 |
2.2.4 自适应的Gamma非线性校正方法 | 第31-33页 |
2.2.5 光照补偿实验分析 | 第33-36页 |
2.3 本章小结 | 第36-38页 |
第3章 基于特征的目标识别 | 第38-60页 |
3.1 SIFT特征 | 第38-41页 |
3.1.1 创建尺度空间 | 第39页 |
3.1.2 检测极值点 | 第39-40页 |
3.1.3 确定方向 | 第40-41页 |
3.1.4 生成特征向量 | 第41页 |
3.2 PCA-SIFT | 第41-42页 |
3.3 SURF特征 | 第42-45页 |
3.3.1 生成尺度空间 | 第43页 |
3.3.2 定位特征点 | 第43页 |
3.3.3 确定主方向 | 第43-44页 |
3.3.4 生成特征描述子 | 第44-45页 |
3.4 目标识别方法研究 | 第45-47页 |
3.4.1 基于SIFT特征匹配的目标识别算法 | 第45-46页 |
3.4.2 基于PCA-SIFT特征匹配的目标识别算法 | 第46页 |
3.4.3 基于SURF特征匹配的目标识别算法 | 第46-47页 |
3.5 三种算法处理效果比较 | 第47-53页 |
3.5.1 速率比较 | 第47-48页 |
3.5.2 尺度不变性比较 | 第48-49页 |
3.5.3 旋转性比较 | 第49-51页 |
3.5.4 三种方法分析 | 第51页 |
3.5.5 算法的选取 | 第51-53页 |
3.6 室内静态多目标识别系统实验结果 | 第53-56页 |
3.6.1 单目标识别实验结果分析 | 第53-55页 |
3.6.2 多目标识别实验结果分析 | 第55-56页 |
3.7 室内静态多目标识别系统 | 第56-59页 |
3.8 本章小结 | 第59-60页 |
第4章 Mean Shift与SIFT、SURF相结合的识别算法 | 第60-72页 |
4.1 Mean Shift算法原理 | 第60页 |
4.2 Mean Shift目标跟踪 | 第60-61页 |
4.3 Mean Shift跟踪算法优缺点分析 | 第61-62页 |
4.4 Mean Shift与SIFT、SURF相结合的识别算法 | 第62-63页 |
4.5 实验结果及分析 | 第63-70页 |
4.6 本章小结 | 第70-72页 |
第5章 基于Linux系统的目标识别系统移植 | 第72-82页 |
5.1 嵌入式操作系统 | 第72页 |
5.2 嵌入式Linux系统平台规划 | 第72-73页 |
5.3 室内静态多目标识别系统硬件平台 | 第73-74页 |
5.4 室内静态多目标识别系统软件平台 | 第74-76页 |
5.4.1 Linux内核的定制与烧写 | 第74-75页 |
5.4.2 Linux操作系统交叉编译平台的搭建 | 第75-76页 |
5.5 室内静态多目标识别系统程序移植 | 第76-79页 |
5.5.1 两个系统的编译器不兼容 | 第76-77页 |
5.5.2 OPENCV函数库的不同 | 第77页 |
5.5.3 摄像头支持的不同 | 第77页 |
5.5.4 数据库不同 | 第77-79页 |
5.5.5 识别速度较慢 | 第79页 |
5.6 实验效果及分析 | 第79-81页 |
5.7 本章小结 | 第81-82页 |
结论 | 第82-84页 |
参考文献 | 第84-90页 |
攻读硕士学位期间发表的论文和取得的科研成果 | 第90-92页 |
致谢 | 第92页 |