| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究的背景及意义 | 第10-12页 |
| ·国内外研究现状与发展趋势 | 第12-16页 |
| ·机器视觉技术发展现状 | 第12-14页 |
| ·国内外应用现状 | 第14-16页 |
| ·论文主要内容与结构安排 | 第16-18页 |
| 第2章 基于SEOH 的运动目标检测算法 | 第18-31页 |
| ·运动目标检测算法概述 | 第18-22页 |
| ·基于像素的运动目标检测 | 第18-20页 |
| ·基于区域的运动目标检测 | 第20-22页 |
| ·基于SEOH 的运动目标检测算法 | 第22-26页 |
| ·SEOH | 第22-25页 |
| ·基于SEOH 的运动目标检测 | 第25-26页 |
| ·结合离散Kalman 滤波的改进运动目标检测 | 第26-27页 |
| ·运动目标检测实验结果 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 改进的Camshift 运动目标跟踪算法与实现 | 第31-38页 |
| ·运动目标跟踪算法概述 | 第31-33页 |
| ·基于表达和相似性度量的运动目标跟踪 | 第31-32页 |
| ·基于滤波预测的目标跟踪 | 第32-33页 |
| ·基于相似性度量方法的目标跟踪 | 第33页 |
| ·改进的Camshift 运动目标跟踪算法 | 第33-36页 |
| ·基于SEOH 的Camshift 算法 | 第33-34页 |
| ·自适应模板更新 | 第34-35页 |
| ·基于离散Kalman 滤波的运动目标状态预测 | 第35-36页 |
| ·运动目标跟踪实验结果 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 双目视觉摄像机标定算法与实现 | 第38-51页 |
| ·摄像机标定数学模型 | 第38-40页 |
| ·摄像机标定算法 | 第40-42页 |
| ·传统标定方法 | 第40-41页 |
| ·自标定方法 | 第41-42页 |
| ·基于主动视觉的标定方法 | 第42页 |
| ·双目视觉摄像机标定算法与实现 | 第42-49页 |
| ·双目视觉摄像机标定算法 | 第42-44页 |
| ·摄像机标定实验 | 第44-49页 |
| ·本章小结 | 第49-51页 |
| 第5章 基于粗匹配的改进SIFT 特征匹配与目标定位 | 第51-67页 |
| ·特征匹配算法概述 | 第51-54页 |
| ·基于图像灰度的匹配 | 第51-53页 |
| ·基于图像特征的匹配 | 第53-54页 |
| ·基于粗匹配的改进SIFT 特征提取匹配算法 | 第54-61页 |
| ·粗匹配算法 | 第54-56页 |
| ·改进的SIFT 特征匹配算法 | 第56-58页 |
| ·基于粗匹配的SIFT 特征匹配 | 第58-59页 |
| ·实验结果 | 第59-61页 |
| ·基于双目视觉的目标定位 | 第61-66页 |
| ·双目视觉定位原理 | 第61-65页 |
| ·实验结果和误差分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 成果与展望 | 第67-69页 |
| ·工作成果 | 第67页 |
| ·尚待解决的问题及展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-77页 |
| 附录 | 第77-78页 |
| 详细摘要 | 第78-81页 |