| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景和意义 | 第10页 |
| 1.2 国内外研究现状及难点 | 第10-11页 |
| 1.3 OpenCV综述 | 第11-14页 |
| 1.4 研究内容和论文结构 | 第14-16页 |
| 1.4.1 研究内容 | 第14页 |
| 1.4.2 论文结构 | 第14-16页 |
| 第2章 图像预处理 | 第16-28页 |
| 2.1 图像噪声 | 第16-17页 |
| 2.2 图像去噪 | 第17-22页 |
| 2.2.1 均值滤波 | 第17-18页 |
| 2.2.2 加权平均法 | 第18-19页 |
| 2.2.3 中值滤波 | 第19-21页 |
| 2.2.4 中值平均滤波算法 | 第21-22页 |
| 2.3 直方图均衡 | 第22-24页 |
| 2.4 数学形态学滤波 | 第24-27页 |
| 2.4.1 膨胀和腐蚀 | 第24-26页 |
| 2.4.2 开运算和闭运算 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 图像分割相关技术 | 第28-40页 |
| 3.1 图像分割概述 | 第28页 |
| 3.2 图像分割的原理 | 第28-29页 |
| 3.3 图像分割方法分类 | 第29-39页 |
| 3.3.1 基于阈值的分割法 | 第30-32页 |
| 3.3.2 基于边缘的分割算法 | 第32-35页 |
| 3.3.3 基于区域的分割方法 | 第35-36页 |
| 3.3.4 结合特定理论的图像分割技术 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于蚁群算法模糊聚类的图像分割算法 | 第40-56页 |
| 4.1 蚁群算法 | 第40-48页 |
| 4.1.1 蚁群算法起源 | 第40-42页 |
| 4.1.2 基本蚁群算法模型 | 第42-43页 |
| 4.1.3 TSP问题 | 第43-47页 |
| 4.1.3.1 TSP问题分析 | 第43-46页 |
| 4.1.3.2 TSP算法流程 | 第46-47页 |
| 4.1.4 基本蚁群算法的不足 | 第47-48页 |
| 4.2 基于蚁群模糊聚类的图像分割算法的设计与实现 | 第48-55页 |
| 4.2.1 算法设计 | 第48-54页 |
| 4.2.1.1 初始聚类中心设置 | 第49-50页 |
| 4.2.1.2 引导函数设置 | 第50页 |
| 4.2.1.3 算法流程 | 第50-54页 |
| 4.2.2 实验结果与分析 | 第54-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第5章 基于KALMAN滤波与特征匹配的目标跟踪算法 | 第56-72页 |
| 5.1 目标跟踪综述 | 第56-61页 |
| 5.1.1 基于Marr视觉理论的跟踪框架 | 第56页 |
| 5.1.2 基于贝叶斯理论的跟踪框架 | 第56-61页 |
| 5.2 Kalman滤波原理 | 第61-64页 |
| 5.3 基于Kalman滤波与特征匹配的目标跟踪算法的设计与实现 | 第64-71页 |
| 5.3.1 算法设计 | 第64-65页 |
| 5.3.2 算法流程 | 第65-69页 |
| 5.3.3 实验结果及分析 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第6章 结论与展望 | 第72-74页 |
| 6.1 本文总结 | 第72-73页 |
| 6.2 今后工作展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
