基于独立成分分析的非结构化道路的特征提取和分割
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-15页 |
| ·研究背景和意义 | 第7-8页 |
| ·移动机器人的发展历史和研究现状 | 第8-12页 |
| ·视觉导航 | 第12-14页 |
| ·论文各部分的主要内容 | 第14-15页 |
| 2 独立成分分析理论、算法和应用 | 第15-36页 |
| ·独立成分分析理论 | 第15-20页 |
| ·ICA模型 | 第16-18页 |
| ·独立成分分析独立性的度量 | 第18-20页 |
| ·ICA算法实现 | 第20-28页 |
| ·数据的预处理 | 第20-23页 |
| ·FastICA算法 | 第23-27页 |
| ·FastICA算法用于图像分离实验 | 第27-28页 |
| ·基于ICA的图像表示 | 第28-30页 |
| ·基于ICA纹理基元的图像纹理表征 | 第30-35页 |
| ·ICA图像纹理基元 | 第30-32页 |
| ·纹理基元表征图像纹理的可行性 | 第32-34页 |
| ·纹理基元表征图像纹理的方法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 3 基于ICA的非结构化道路特征提取 | 第36-61页 |
| ·基于 ICA的道路特征提取 | 第36-41页 |
| ·提取ICA纹理基元矩阵 | 第36-38页 |
| ·滤波器选择 | 第38-40页 |
| ·提取图像纹理特征 | 第40-41页 |
| ·基于Gabor滤波器的道路特征提取 | 第41-45页 |
| ·Gabor滤波器 | 第41-43页 |
| ·基于Gabor滤波器的特征提取 | 第43-45页 |
| ·结合Gabor滤波器和ICA技术的道路特征提取 | 第45-51页 |
| ·结合Gabor滤波器和ICA技术的特征提取方法 | 第45-47页 |
| ·实验结果和分析 | 第47-51页 |
| ·结合小波和 ICA的道路特征提取 | 第51-54页 |
| ·小波变换 | 第51-52页 |
| ·结合小波和ICA技术的特征提取方法 | 第52-53页 |
| ·实验结果与分析 | 第53-54页 |
| ·结合多尺度和小波的独立成分分析(MWICA) | 第54-59页 |
| ·MWICA纹理特征提取方法 | 第54-57页 |
| ·实验结果与分析 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 4 非结构化道路分割方法 | 第61-67页 |
| ·k-means聚类算法 | 第61-62页 |
| ·高斯混合模型 | 第62-65页 |
| ·实验结果与分析 | 第65页 |
| ·本章小结 | 第65-67页 |
| 5 总结与展望 | 第67-69页 |
| ·论文工作总结 | 第67-68页 |
| ·研究工作及展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
