| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 致谢 | 第5-8页 |
| 第一章 绪论 | 第8-17页 |
| 1．1 空中机器人相关背景综述 | 第8-12页 |
| 1．1．1 空中机器人的发展历史 | 第8-9页 |
| 1．1．2 空中机器人的分类 | 第9-12页 |
| 1．2 空中机器人国内外研究现状及其分析 | 第12-16页 |
| 1．2．1 国际空中机器人研究现状 | 第12-14页 |
| 1．2．2 国内空中机器人研究现状 | 第14-15页 |
| 1．2．3 视觉系统在空中机器人中的重要作用 | 第15-16页 |
| 1．3 本论文的内容及章节安排 | 第16-17页 |
| 第二章 空中机器人视觉系统相关基础知识 | 第17-29页 |
| 2．1 目标识别概述 | 第17-18页 |
| 2．2 图像处理技术 | 第18-25页 |
| 2．2．1 图像的数字化 | 第18-20页 |
| 2．2．2 图像增强和复原 | 第20页 |
| 2．2．3 中值滤波器 | 第20-21页 |
| 2．2．4 直方图均衡化 | 第21-23页 |
| 2．2．5 边缘锐化 | 第23-24页 |
| 2．2．6 模板匹配 | 第24-25页 |
| 2．3 图像模式识别 | 第25-29页 |
| 2．3．1 统计模式识别 | 第25-27页 |
| 2．3．2 特征提取 | 第27-29页 |
| 第三章 空中机器人视觉系统结构设计 | 第29-37页 |
| 3．1 系统功能分析 | 第29页 |
| 3．2 系统总体结构 | 第29-31页 |
| 3．3 系统硬件说明 | 第31-37页 |
| 3．3．1 图像输入设备 | 第31-34页 |
| 3．3．2 无线传输设备 | 第34页 |
| 3．3．3 视频采集设备 | 第34-36页 |
| 3．3．4 图像处理设备 | 第36-37页 |
| 第四章 空中机器人视觉系统算法设计 | 第37-58页 |
| 4．1 空中机器人视觉识别实现难点分析 | 第37页 |
| 4．2 其它图像识别系统一般采用的识别技术概述 | 第37-39页 |
| 4．3 主成分分析特征提取方法 | 第39-43页 |
| 4．3．1 K-L变换 | 第39-41页 |
| 4．3．2 主成分分析的基本原理 | 第41-43页 |
| 4．4 支持向量机分类方法 | 第43-53页 |
| 4．4．1 机器学习的基本问题 | 第44-45页 |
| 4．4．2 经验风险最小化原则 | 第45-46页 |
| 4．4．3 VC维 | 第46-47页 |
| 4．4．4 推广性的界 | 第47-48页 |
| 4．4．5 结构风险最小化归纳原则 | 第48-49页 |
| 4．4．6 支持向量机的基本原理 | 第49-53页 |
| 4．5 基于主成分分析和支持向量机的空中机器人视觉系统算法设计 | 第53-58页 |
| 4．5．1 图像预处理 | 第55页 |
| 4．5．2 特征提取 | 第55-56页 |
| 4．5．3 分类器设计 | 第56-58页 |
| 第五章 实验结果与分析 | 第58-64页 |
| 5．1 实验方法 | 第58-60页 |
| 5．2 实验结果 | 第60-62页 |
| 5．3 结果分析 | 第62-64页 |
| 第六章 总结与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录：作者攻读硕士学位期间完成(录用)的论文 | 第69页 |