基于颜色纹理信息的盲道识别算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·课题研究现状 | 第11-12页 |
| ·本文的研究工作 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第二章 基于颜色盲道的图像分割算法研究 | 第14-32页 |
| ·预处理阶段 | 第14-16页 |
| ·颜色盲道图像特征分析 | 第14-15页 |
| ·图像平滑处理 | 第15页 |
| ·图像形态学处理 | 第15-16页 |
| ·阈值分割算法 | 第16-20页 |
| ·区域生长分割算法 | 第20-26页 |
| ·区域生长法描述 | 第20页 |
| ·种子点选取规则 | 第20-21页 |
| ·生长准则与过程 | 第21-23页 |
| ·基于区域灰度差 | 第21-22页 |
| ·基于区域形状 | 第22页 |
| ·基于区域灰度分布统计 | 第22-23页 |
| ·区域生长算法具体流程 | 第23-26页 |
| ·基于颜色直方图与改进的区域生长分割算法 | 第26-30页 |
| ·图像的颜色特征提取 | 第27页 |
| ·颜色直方图阈值分割 | 第27-28页 |
| ·改进的区域生长分割算法 | 第28-30页 |
| ·基于颜色盲道分割算法结果分析 | 第30-32页 |
| 第三章 基于纹理盲道的图像分割算法研究 | 第32-48页 |
| ·K-means聚类分割算法 | 第32-34页 |
| ·算法概述 | 第32-33页 |
| ·具体算法流程 | 第33-34页 |
| ·Normalized Cut算法 | 第34-41页 |
| ·图的定义 | 第35-36页 |
| ·图的几个基本概念 | 第36-37页 |
| ·图论的分割准则 | 第37页 |
| ·Ncut分割原理 | 第37-39页 |
| ·Ncut准则定义 | 第37-38页 |
| ·Ncut的特征值和特征向量 | 第38-39页 |
| ·Ncut算法概述 | 第39页 |
| ·Ncut联合区域生长分割算法 | 第39-41页 |
| ·基于灰度共生矩阵与改进的模糊聚类算法 | 第41-46页 |
| ·图像预处理 | 第41-42页 |
| ·图像的纹理特征提取 | 第42页 |
| ·特征归一化与联合处理 | 第42-43页 |
| ·基于模糊聚类的图像分割 | 第43-46页 |
| ·传统的FCM算法 | 第43-44页 |
| ·基于距离修正的FCM算法 | 第44-46页 |
| ·基于纹理盲道分割算法结果分析 | 第46-48页 |
| 第四章 盲道检测与识别 | 第48-60页 |
| ·盲道边缘检测 | 第48-54页 |
| ·边缘检测算子 | 第49-50页 |
| ·Canny边缘检测 | 第50-54页 |
| ·Hough变换识别盲道 | 第54-60页 |
| ·直线检测 | 第54-57页 |
| ·盲道边界查找结果 | 第57-58页 |
| ·盲道矢量角度的提取 | 第58-60页 |
| 第五章 盲道拐角检测 | 第60-66页 |
| ·Harris角点检测 | 第60-64页 |
| ·Harris角点检测原理 | 第60-63页 |
| ·Harris角点检测过程 | 第63-64页 |
| ·Harris角点检测结果 | 第64-66页 |
| 第六章 结论 | 第66-68页 |
| ·全文总结 | 第66-67页 |
| ·工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士期间取得的研究成果 | 第72-74页 |
| 致谢 | 第74页 |
