| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第17-34页 |
| 1.1 研究背景与意义 | 第17-21页 |
| 1.2 国内外研究现状 | 第21-29页 |
| 1.3 论文的主要研究内容及创新点 | 第29-33页 |
| 1.4 小结 | 第33-34页 |
| 2 基于视觉特性的图像去噪新方法 | 第34-52页 |
| 2.1 引言 | 第34-35页 |
| 2.2 井下图像噪声分类 | 第35页 |
| 2.3 常用的图像去噪方法 | 第35-41页 |
| 2.4 基于视觉特性的图像去噪新方法 | 第41-48页 |
| 2.5 实验结果与分析 | 第48-51页 |
| 2.6 小结 | 第51-52页 |
| 3 基于免疫遗传的图像自适应增强方法 | 第52-71页 |
| 3.1 引言 | 第52页 |
| 3.2 传统图像增强方法 | 第52-55页 |
| 3.3 遗传算法基本理论 | 第55-58页 |
| 3.4 基于免疫遗传的图像自适应增强方法 | 第58-66页 |
| 3.5 实验结果与分析 | 第66-70页 |
| 3.6 小结 | 第70-71页 |
| 4 基于Harris－SIFT的图像自动快速拼接方法 | 第71-88页 |
| 4.1 引言 | 第71-72页 |
| 4.2 基于角点检测的图像拼接算法 | 第72-75页 |
| 4.3 SIFT算法 | 第75-78页 |
| 4.4 井下监控图像序列全自动快速拼接算法 | 第78-81页 |
| 4.5 实验结果与分析 | 第81-87页 |
| 4.6 小结 | 第87-88页 |
| 5 基于PCA－SIFT的运动目标跟踪识别及行为分析 | 第88-113页 |
| 5.1 引言 | 第88页 |
| 5.2 井下运动目标识别分析研究框架 | 第88-89页 |
| 5.3 运动目标轮廓提取 | 第89-94页 |
| 5.4 基于PCA-SIFT的运动目标跟踪识别 | 第94-101页 |
| 5.5 基于快速模板匹配的运动目标行为分析 | 第101-106页 |
| 5.6 实验结果与分析 | 第106-111页 |
| 5.7 小结 | 第111-113页 |
| 6 结论与展望 | 第113-116页 |
| 6.1 结论 | 第113-114页 |
| 6.2 展望 | 第114-116页 |
| 参考文献 | 第116-125页 |
| 作者简历 | 第125-128页 |
| 学位论文数据集 | 第128页 |