| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·选题背景 | 第7页 |
| ·图像识别的应用、研究现状及研究意义 | 第7-10页 |
| ·图像识别的应用现状 | 第7-8页 |
| ·图像识别的研究现状 | 第8-9页 |
| ·图像识别研究的意义 | 第9-10页 |
| ·本文的主要研究内容与组织安排 | 第10-13页 |
| ·本文的主要研究内容 | 第10页 |
| ·本文内容的组织安排 | 第10-13页 |
| 2 图像识别基础理论 | 第13-27页 |
| ·摄像头的成像原理与标定 | 第13-16页 |
| ·摄像头的成像原理 | 第13-15页 |
| ·摄像头标定 | 第15-16页 |
| ·图像的边缘检测 | 第16-22页 |
| ·Roberts（罗伯特）边缘检测算子 | 第18页 |
| ·Sobel（索贝尔）边缘检测算子 | 第18-19页 |
| ·Prewitt 边缘检测算子 | 第19-20页 |
| ·Laplace(拉普拉斯)边缘检测算子 | 第20页 |
| ·Canny（坎尼）边缘检测算子 | 第20-22页 |
| ·图像的特征提取 | 第22-26页 |
| ·轮廓提取 | 第22页 |
| ·HU 不变矩特征提取 | 第22-23页 |
| ·形状上下文特征提取 | 第23-24页 |
| ·几何特征提取 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 图像目标的快速智能识别系统设计 | 第27-51页 |
| ·快速边缘检测算法设计 | 第27-33页 |
| ·边缘检测快速性问题分析 | 第28页 |
| ·快速边缘检测算法的检测原理 | 第28-30页 |
| ·快速边缘检测算法流程 | 第30-31页 |
| ·快速边缘检测算法验证 | 第31-33页 |
| ·特征矢量建立的方法设计 | 第33-36页 |
| ·修正的 HU 不变矩 | 第33页 |
| ·特征矢量的筛选 | 第33-36页 |
| ·图像的智能识别算法设计 | 第36-49页 |
| ·ART2 神经网络 | 第36-38页 |
| ·ART2 神经网络的改进 | 第38-42页 |
| ·基于改进 ART2 神经网络的识别分类算法 | 第42-43页 |
| ·改进 ART2 神经网络的识别分类算法的实验验证 | 第43-49页 |
| ·本章小结 | 第49-51页 |
| 4 图像识别系统的实现 | 第51-65页 |
| ·系统的开发环境 | 第51页 |
| ·总体框架设计 | 第51-52页 |
| ·人机交互的实现 | 第52-53页 |
| ·图像识别系统的软件实现 | 第53-57页 |
| ·图像处理模块 | 第53-54页 |
| ·识别分类模块 | 第54-55页 |
| ·立体匹配与定位模块 | 第55-57页 |
| ·图像识别系统的运行及测试 | 第57-63页 |
| ·系统实物及运行效果 | 第57-61页 |
| ·系统的测试 | 第61-63页 |
| ·运行及测试结果分析 | 第63页 |
| ·本章小结 | 第63-65页 |
| 5 结束语 | 第65-67页 |
| ·本文的研究工作总结 | 第65页 |
| ·后续工作的展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73页 |
| A. 作者在攻读学位期间发表的论文目录 | 第73页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第73页 |