首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

室内静态多目标识别的机器人视觉系统

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

论文共92页,点击 下载论文
上一篇:基于改进LBP特征和人脸能量图的多姿态人脸识别研究
下一篇:基于关键变形部位的人脸表情识别研究