| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-20页 |
| ·引言 | 第7-8页 |
| ·课题研究背景和意义 | 第8-10页 |
| ·课题研究背景 | 第8-9页 |
| ·课题研究意义 | 第9-10页 |
| ·月球车环境感知技术研究现状 | 第10-17页 |
| ·国外月球车环境感知技术研究现状 | 第10-16页 |
| ·国内月球车环境感知技术研究现状 | 第16-17页 |
| ·基于机器视觉的月表坑探测的研究情况 | 第17-18页 |
| ·利用计算机视觉系统进行月球车环境感知的优势 | 第18-19页 |
| ·本文主要开展的研究工作 | 第19-20页 |
| 第二章 较暗光照月球表面坑图像的分割算法研究 | 第20-41页 |
| ·引言 | 第20-33页 |
| ·图像的预处理 | 第20-27页 |
| ·图像分割概述 | 第27-28页 |
| ·二值图像形态学处理 | 第28-33页 |
| ·分割算法 | 第33-40页 |
| ·基于边缘强度的图像分割 | 第33-36页 |
| ·基于Fisher 准则函数的识别算法 | 第36-40页 |
| ·分割算法对比分析 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第三章 正常光照月球表面坑图像的分割算法研究 | 第41-48页 |
| ·引言 | 第41页 |
| ·分割算法 | 第41-47页 |
| ·区域生长法 | 第41-44页 |
| ·二维直方图熵最大法 | 第44-47页 |
| ·算法对比分析 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第四章 较亮光照月球表面坑图像的分割算法研究 | 第48-55页 |
| ·引言 | 第48页 |
| ·分割算法 | 第48-54页 |
| ·矩不变自动门限法 | 第48-51页 |
| ·最大类间方差法 | 第51-53页 |
| ·算法对比分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于BP 神经网络的图像光照模式分类器设计 | 第55-63页 |
| ·引言 | 第55页 |
| ·人工神经网络概述 | 第55-57页 |
| ·BP 神经网络简介 | 第57-58页 |
| ·BP 网络模型结构 | 第57-58页 |
| ·BP 网络学习规则 | 第58页 |
| ·BP 神经网络图像光照模式分类器设计 | 第58-62页 |
| ·网络结构设计 | 第58-60页 |
| ·BP 神经网络分类器的训练 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 全文总结 | 第63-65页 |
| ·论文的主要工作及结论 | 第63-64页 |
| ·本文的局限性及进一步研究工作 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 摘要 | 第69-72页 |
| Abstract | 第72-75页 |
| 致谢 | 第75-76页 |
| 导师及作者简介 | 第76页 |