GD-1型拟人机器人视觉识别研究与设计
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 引言 | 第10-15页 |
| ·拟人机器人 | 第10-11页 |
| ·机器人视觉 | 第11-13页 |
| ·机器人视觉研究的意义与背景 | 第11页 |
| ·机器人视觉国内外研究现状 | 第11-12页 |
| ·David Marr视觉计算理论框架 | 第12-13页 |
| ·机器人视觉系统的组成 | 第13页 |
| ·课题研究的主要内容 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 2 具有识别文字功能的视觉系统设计 | 第15-18页 |
| ·图像采集 | 第15页 |
| ·图像预处理 | 第15-16页 |
| ·字符识别 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 图像预处理相关算法 | 第18-28页 |
| ·图像灰度化 | 第18-19页 |
| ·图像增强 | 第19-23页 |
| ·灰度拉伸 | 第19-20页 |
| ·灰度均衡化 | 第20-22页 |
| ·图像滤波 | 第22-23页 |
| ·灰度图像的二值化 | 第23-25页 |
| ·二值化算法 | 第23-24页 |
| ·最大类间方差法 | 第24-25页 |
| ·去除噪声 | 第25页 |
| ·字符倾斜矫正 | 第25页 |
| ·字符切分 | 第25-26页 |
| ·字符归一化 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 4 文字识别算法 | 第28-38页 |
| ·文字识别技术概述 | 第28-30页 |
| ·基于模板匹配的方法 | 第29-30页 |
| ·统计法 | 第30页 |
| ·字符结构法 | 第30页 |
| ·结构与统计相结合的识别方法 | 第30页 |
| ·文字识别的特征提取方法 | 第30-31页 |
| ·骨架特征提取法 | 第30-31页 |
| ·逐像素特征提取法 | 第31页 |
| ·垂直方向数据统计特征提取法 | 第31页 |
| ·分类器的选取 | 第31-33页 |
| ·最小距离分类器 | 第31-32页 |
| ·神经网络识别 | 第32-33页 |
| ·BP神经网络结构 | 第33-37页 |
| ·神经网络的激励函数 | 第34页 |
| ·神经网络的反馈调节 | 第34-36页 |
| ·基于BP神经网络的文字识别系统的设计 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 5 系统测试与分析 | 第38-47页 |
| ·系统训练步骤 | 第38-41页 |
| ·系统测试步骤 | 第41-43页 |
| ·串口接收过程 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-49页 |
| ·本文总结 | 第47页 |
| ·问题与展望 | 第47-49页 |
| 参考文献 | 第49-51页 |
| 研究生阶段发表的学术论文 | 第51-52页 |
| 致谢 | 第52页 |
