| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文主要研究内容和技术路线 | 第13-16页 |
| 1.3.1 技术路线 | 第13-14页 |
| 1.3.2 本文主要研究内容 | 第14-16页 |
| 第二章 图像预处理与分割 | 第16-28页 |
| 2.1 图像预处理 | 第16-20页 |
| 2.1.1 均值滤波 | 第16-18页 |
| 2.1.2 中值滤波 | 第18-19页 |
| 2.1.3 快速中值滤波 | 第19-20页 |
| 2.2 图像分割 | 第20-27页 |
| 2.2.1 基于边缘的图像分割 | 第20-23页 |
| 2.2.2 基于阈值的分割方法 | 第23-24页 |
| 2.2.3 基于区域生长的分割方法 | 第24页 |
| 2.2.4 旋翼图像的分割 | 第24-25页 |
| 2.2.5 目标物体的图像区域提取 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于双特征融合的神经网络的图像识别 | 第28-41页 |
| 3.1 图像特征提取 | 第28-33页 |
| 3.1.1 纹理特征提取 | 第28-30页 |
| 3.1.2 形状特征提取 | 第30-33页 |
| 3.2 BP神经网络 | 第33-35页 |
| 3.3 信息融合方式 | 第35-36页 |
| 3.4 识别流程 | 第36-37页 |
| 3.5 基于双特征融合的神经网络的图像识别 | 第37-40页 |
| 3.5.1 物体图像的GLCM纹理特征 | 第38页 |
| 3.5.2 物体图像的Hu不变矩的形状特征 | 第38-39页 |
| 3.5.3 基于双特征融合的BP神经网络的图像识别 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 旋翼共锥度测量系统的硬件设计 | 第41-56页 |
| 4.1 系统总体设计 | 第41-42页 |
| 4.2 基于CCD拍照技术的共锥度测量原理 | 第42-44页 |
| 4.3 相机拍照触发信号产生 | 第44-45页 |
| 4.4 硬件设计 | 第45-55页 |
| 4.4.1 共锥度测量部件 | 第45-53页 |
| 4.4.2 共锥度测量控制盒 | 第53-54页 |
| 4.4.3 数据管理计算机 | 第54页 |
| 4.4.4 地面处理系统 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 旋翼共锥度测量系统的软件设计及实现 | 第56-82页 |
| 5.1 软件设计 | 第56-75页 |
| 5.1.1 共锥度测量部件软件设计 | 第56-66页 |
| 5.1.2 共锥度测量控制盒软件设计 | 第66-69页 |
| 5.1.3 数据管理计算机软件设计 | 第69-71页 |
| 5.1.4 地面处理系统软件设计 | 第71-75页 |
| 5.2 旋翼桨叶共锥度测量系统实现结果 | 第75-81页 |
| 5.3 实验结果分析 | 第81页 |
| 5.4 本章小结 | 第81-82页 |
| 第六章 结论与展望 | 第82-84页 |
| 参考文献 | 第84-87页 |
| 攻读学位期间主要的研究成果 | 第87-88页 |
| 致谢 | 第88页 |