| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究背景 | 第10页 |
| ·真空泵远程维护系统的研究开发背景 | 第10页 |
| ·泵体识别在真空远程维护系统中的作用 | 第10页 |
| ·国内外相关研究进展 | 第10-14页 |
| ·远程信息系统中的图像识别技术使用 | 第10-11页 |
| ·图像识别技术简述 | 第11-12页 |
| ·图像基本特征简介 | 第12-14页 |
| ·直接特征 | 第12-13页 |
| ·间接特征 | 第13-14页 |
| ·本文的主要工作 | 第14-15页 |
| 第二章 图像预处理 | 第15-22页 |
| ·图像灰度化 | 第15-16页 |
| ·图像二值化 | 第16-18页 |
| ·图像边缘提取 | 第18-21页 |
| ·Roberts 算子 | 第18-19页 |
| ·Sobel 算子 | 第19页 |
| ·Laplacian 算子 | 第19-20页 |
| ·Krisch 算子 | 第20页 |
| ·Canny 算子 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 角点检测算法和SIFT 算法概述 | 第22-35页 |
| ·角点检测算法 | 第22-27页 |
| ·角点定义 | 第22页 |
| ·常用的角点检测算法 | 第22-27页 |
| ·Harris 角点检测算法 | 第23-26页 |
| ·Moravec 角点检测算法 | 第26-27页 |
| ·SIFT 算法概述 | 第27-34页 |
| ·尺度空间理论简介 | 第27-28页 |
| ·SIFT 特征检测算法 | 第28-33页 |
| ·高斯尺度空间的构建 | 第28-30页 |
| ·检测尺度空间的极值点 | 第30-31页 |
| ·特征点的精确定位 | 第31-32页 |
| ·计算特征点的方向 | 第32-33页 |
| ·SIFT 特征描述算法 | 第33-34页 |
| ·特征点匹配 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于Harris 角点和SIFT 算法的泵体识别算法 | 第35-49页 |
| ·模板选取与制作 | 第36页 |
| ·边缘提取 | 第36-38页 |
| ·Harris 角点特征的提取 | 第38页 |
| ·计算方向图 | 第38页 |
| ·提取Harris 角点特征 | 第38页 |
| ·SIFT 特征的提取 | 第38-43页 |
| ·建立高斯金字塔 | 第38-39页 |
| ·建立高斯差分金字塔(DOG 金字塔) | 第39-41页 |
| ·DOG 空间极值点检查 | 第41-42页 |
| ·关键点的精确定位 | 第42-43页 |
| ·特征点描述 | 第43-44页 |
| ·特征点匹配 | 第44-45页 |
| ·实验结果 | 第45-48页 |
| ·对泵体图片和非泵体图片的匹配 | 第45-47页 |
| ·对比实验 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 总结与展望 | 第49-51页 |
| 总结 | 第49页 |
| 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54-58页 |
| 攻读硕士学位期间发表的论文及成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附件 | 第60页 |