基于彩色伪随机编码的图像识别技术研究
| 第一章 绪论 | 第1-17页 |
| ·研究的意义 | 第14-15页 |
| ·国内外的研究现状 | 第15-16页 |
| ·课题研究的内容 | 第16-17页 |
| 第二章 彩色伪随机编码主动视觉系统 | 第17-28页 |
| ·不标定三维重构概述 | 第17-18页 |
| ·伪随机编码原理 | 第18-22页 |
| ·伪随机序列 | 第18-21页 |
| ·伪随机阵列 | 第21-22页 |
| ·主动视觉技术及其投影系统 | 第22-27页 |
| ·机器视觉系统的组成 | 第22-23页 |
| ·主动视觉系统 | 第23-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 彩色伪随机编码图像的特征点提取 | 第28-41页 |
| ·特征点提取的目的 | 第28-29页 |
| ·伪随机编码图像特征点提取的方法 | 第29-31页 |
| ·特征点提取的角检测方法概述 | 第29页 |
| ·harris角探测算法 | 第29-31页 |
| ·基于Hartis角检测方法的编码图像特征点提取 | 第31-40页 |
| ·颜色空间的选择与转换 | 第31-34页 |
| ·图像预处理 | 第34-35页 |
| ·基于Harris角探测的特征点提取 | 第35-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 彩色伪随机编码图像的特征点匹配 | 第41-57页 |
| ·神经网络概述 | 第41-42页 |
| ·人工神经网络特点 | 第41-42页 |
| ·人工神经元的模型特征 | 第42页 |
| ·误差反向传播(BP)神经网络 | 第42-47页 |
| ·BP网络结构 | 第43页 |
| ·BP算法的学习规则 | 第43-45页 |
| ·BP算法的学习过程 | 第45-46页 |
| ·改进的BP算法 | 第46-47页 |
| ·伪随机编码图像特征点匹配的神经网络设计和实现 | 第47-53页 |
| ·样本的选取和预处理 | 第48-50页 |
| ·BP网络结构的设计 | 第50-52页 |
| ·网络训练参数的选取 | 第52-53页 |
| ·MATLAB程序的实现 | 第53-56页 |
| ·MATLAB简介 | 第53页 |
| ·MATLAB仿真 | 第53-55页 |
| ·神经网络识别程序流程 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 实验及结论 | 第57-64页 |
| ·特征点提取实验 | 第57-59页 |
| ·标准模板特征点提取实验 | 第57-58页 |
| ·待重构场景图像特征点提取 | 第58-59页 |
| ·特征点匹配实验 | 第59-61页 |
| ·三维重构实验 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·全文总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附表 | 第69-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |
