| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 机器视觉系统简介 | 第9-10页 |
| 1.2 传统图像传感器及集成视觉系统芯片的限制 | 第10-11页 |
| 1.3 仿生视觉传感器及视觉系统 | 第11-12页 |
| 1.4 国内外研究现状 | 第12-15页 |
| 1.4.1 仿生传感器现状 | 第12-14页 |
| 1.4.2 仿生视觉系统现状 | 第14-15页 |
| 1.5 选题意义 | 第15-16页 |
| 1.6 论文内容安排 | 第16-19页 |
| 第2章 仿生视觉传感器分类及灰度图像与事件流的转化方法 | 第19-27页 |
| 2.1 仿生视觉传感器分类 | 第19-23页 |
| 2.1.1 动态视觉传感器 | 第19-21页 |
| 2.1.2 基于时间的异步图像传感器 | 第21-22页 |
| 2.1.3 动态和有源像素视觉传感器 | 第22-23页 |
| 2.2 灰度图像与事件流的转换方法 | 第23-26页 |
| 2.2.1“一对一”型转换 | 第24页 |
| 2.2.2“一对多”型转换 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于AER事件的特征提取方法 | 第27-39页 |
| 3.1 图像特征提取原则 | 第27-28页 |
| 3.2 基于事件触发的特征提取方法 | 第28-29页 |
| 3.3 算法流程设计 | 第29-31页 |
| 3.4 算法设计细节 | 第31-35页 |
| 3.4.1 事件触发卷积操作 | 第31-33页 |
| 3.4.2 遗忘机制 | 第33-34页 |
| 3.4.3 最大值竞争、阈值判断及响应排序 | 第34-35页 |
| 3.5 实验结果与分析 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基于AER事件的目标识别算法设计 | 第39-49页 |
| 4.1 目标识别的概念和分类 | 第39页 |
| 4.2 用于识别的神经网络算法 | 第39-41页 |
| 4.3 事件触发的脉冲神经网络算法 | 第41-45页 |
| 4.3.1 脉冲序列编码 | 第41-42页 |
| 4.3.2 学习机制 | 第42-44页 |
| 4.3.3 拓扑结构 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 基于事件的追踪算法与多方向运动物体识别算法设计 | 第49-65页 |
| 5.1 追踪算法设计 | 第49-53页 |
| 5.1.1 背景介绍 | 第49-50页 |
| 5.1.2 具体流程设计 | 第50-53页 |
| 5.2 多方向运动物体识别算法设计 | 第53-56页 |
| 5.2.1 架构设计 | 第53-54页 |
| 5.2.2 方向检测算法设计 | 第54-56页 |
| 5.3 实验结果与分析 | 第56-63页 |
| 5.3.1 追踪算法实验结果 | 第56-57页 |
| 5.3.2 多方向运动物体识别系统的实验结果 | 第57-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 全文总结 | 第65-66页 |
| 6.2 后续工作展望 | 第66-67页 |
| 参考文献 | 第67-75页 |
| 发表论文和参加科研情况说明 | 第75-77页 |
| 致谢 | 第77-78页 |