基于图像处理的盲道识别系统
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 引言 | 第12页 |
| 1.2 盲道识别系统简介 | 第12-13页 |
| 1.3 相关图像处理算法 | 第13-15页 |
| 1.3.1 图像分割综述 | 第13-14页 |
| 1.3.1.1 阈值分割 | 第13页 |
| 1.3.1.2 基于区域的分割 | 第13页 |
| 1.3.1.3 基于模糊集理论的分割 | 第13-14页 |
| 1.3.1.4 基于随机场的分割 | 第14页 |
| 1.3.2 边缘检测综述 | 第14-15页 |
| 1.3.2.1 基于灰度直方图的边缘检测 | 第14页 |
| 1.3.2.2 基于梯度的边缘检测 | 第14-15页 |
| 1.3.2.3 Mallat 小波边缘检测 | 第15页 |
| 1.3.3 直线检测综述 | 第15页 |
| 1.4 主要研究工作和内容安排 | 第15-16页 |
| 第二章 盲道识别系统总体设计 | 第16-23页 |
| 2.1 盲道现状及调查 | 第16-19页 |
| 2.2 系统框架 | 第19-21页 |
| 2.3 硬件系统 | 第21-22页 |
| 2.4 软件系统 | 第22-23页 |
| 第三章 盲道图像分割 | 第23-45页 |
| 3.1 准备阶段 | 第23-25页 |
| 3.1.1 盲道图像特征分析 | 第23-24页 |
| 3.1.2 图像预处理 | 第24-25页 |
| 3.2 基于区域的图像分割 | 第25-30页 |
| 3.2.1 简单的阈值分割 | 第26-27页 |
| 3.2.2 基于区域合并的动态阈值分割算法 | 第27-29页 |
| 3.2.3 基于区域分离与合并 | 第29-30页 |
| 3.2.3.1 区域生长 | 第29页 |
| 3.2.3.2 区域分离与合并 | 第29-30页 |
| 3.3 基于纹理差异的图像分割 | 第30-45页 |
| 3.3.1 纹理特征提取方法 | 第31-37页 |
| 3.3.1.1 基于排列组合熵的特征值提取 | 第32-34页 |
| 3.3.1.2 基于MRF 模型的纹理特征 | 第34-37页 |
| 3.3.2 聚类方法 | 第37-45页 |
| 3.3.2.1 K-均值聚类 | 第37-38页 |
| 3.3.2.2 模糊C-均值聚类(FCM)算法 | 第38-40页 |
| 3.3.2.3 基于图论的聚类算法 | 第40-45页 |
| 3.3.2.3.1 相关定义 | 第41-42页 |
| 3.3.2.3.2 算法过程 | 第42-45页 |
| 第四章 盲道的几何特征检测及边界检测 | 第45-64页 |
| 4.1 盲道边界检测 | 第45-56页 |
| 4.1.1 边缘检测 | 第45-49页 |
| 4.1.2 Hough 变换直线查找 | 第49-52页 |
| 4.1.3 盲道边界查找结果总结 | 第52-56页 |
| 4.1.3.1 标准盲道处理结果 | 第53-54页 |
| 4.1.3.2 具有灰度差异的盲道图像处理结果 | 第54页 |
| 4.1.3.3 具有纹理特征的盲道图像处理结果 | 第54-56页 |
| 4.2 拐角检测 | 第56-60页 |
| 4.3 盲道内部几何特征检测 | 第60-62页 |
| 4.3.1 基于盲道内部块状基元 | 第60-61页 |
| 4.3.2 基于盲道内部直线分类 | 第61-62页 |
| 4.4 其它结果 | 第62-64页 |
| 第五章 结果分析与展望 | 第64-66页 |
| 5.1 工作总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表或录用的论文 | 第70页 |
