自然场景下果蔬识别定位系统的关键技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-24页 |
| ·农业机器人及其视觉技术 | 第11-12页 |
| ·果蔬采摘机器人概述 | 第12-16页 |
| ·研究的目的和意义 | 第16-17页 |
| ·国外研究现状 | 第17-20页 |
| ·国内研究现状 | 第20-21页 |
| ·研究的内容和目标 | 第21-22页 |
| ·论文的体系结构 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第二章 图像预处理 | 第24-30页 |
| ·噪声的来源 | 第24页 |
| ·图像中的噪声 | 第24-25页 |
| ·噪声消除方法 | 第25页 |
| ·滤波 | 第25-29页 |
| ·均值滤波法 | 第25-26页 |
| ·中值滤波法和矢量中值滤波 | 第26-29页 |
| ·低通滤波 | 第29页 |
| ·Lee滤波算法 | 第29页 |
| ·小结 | 第29-30页 |
| 第三章 颜色空间 | 第30-38页 |
| ·颜色的基本特性 | 第30-31页 |
| ·颜色的基本概念 | 第30页 |
| ·颜色的基本特性 | 第30-31页 |
| ·三基色原理 | 第31-32页 |
| ·颜色空间的变换 | 第32-37页 |
| ·颜色空间基本概念及分类 | 第33页 |
| ·常见的颜色模型 | 第33-37页 |
| ·小结 | 第37-38页 |
| 第四章 果蔬图像分割识别方案研究 | 第38-59页 |
| ·彩色图像分割概述 | 第38-39页 |
| ·基于分类识别的分割方法 | 第39-51页 |
| ·分类识别原理介绍 | 第39-42页 |
| ·最小距离分类器分类识别举例 | 第42-43页 |
| ·基于颜色信息的分类识别原理 | 第43-46页 |
| ·基于纹理信息的分类识别原理 | 第46-51页 |
| ·聚类分析 | 第51页 |
| ·基于空间信息的分割方法 | 第51-58页 |
| ·阈值分割 | 第52-53页 |
| ·基于边缘检测的方法 | 第53-54页 |
| ·基于区域的分割方法 | 第54-58页 |
| ·基于空间信息的图像分割方法比较 | 第58页 |
| ·小结 | 第58-59页 |
| 第五章 自然场景下果蔬分割识别的实现 | 第59-74页 |
| ·基于颜色信息的分割识别 | 第59-68页 |
| ·颜色模型选择 | 第59-61页 |
| ·果蔬对象的分割和识别 | 第61-68页 |
| ·阴影下的图像处理 | 第68页 |
| ·基于纹理信息的分割识别 | 第68-69页 |
| ·基于综合信息的分割 | 第69-72页 |
| ·小结 | 第72-74页 |
| 第六章 中心点和采摘点的确定 | 第74-92页 |
| ·消除小连通域 | 第74-81页 |
| ·腐蚀和膨胀 | 第74-75页 |
| ·连通域标记 | 第75-81页 |
| ·果蔬目标的描述 | 第81-82页 |
| ·圆度 | 第81-82页 |
| ·最小外接矩形 | 第82页 |
| ·构建模型 | 第82-83页 |
| ·中心点 | 第83-87页 |
| ·常用的确定方法 | 第84-85页 |
| ·本文确定中心点的方法 | 第85-87页 |
| ·算法步骤 | 第87-88页 |
| ·采摘点 | 第88-91页 |
| ·确定采摘点方法1 | 第89-90页 |
| ·确定采摘点方法2 | 第90-91页 |
| ·小结 | 第91-92页 |
| 第七章 系统实现 | 第92-95页 |
| ·系统概述 | 第92页 |
| ·系统开发环境 | 第92-93页 |
| ·系统功能 | 第93页 |
| ·果蔬识别实例 | 第93-94页 |
| ·小结 | 第94-95页 |
| 第八章 总结和展望 | 第95-98页 |
| ·论文工作总结 | 第95-96页 |
| ·所做工作的特色及创新点 | 第96-97页 |
| ·展望未来 | 第97-98页 |
| 参考文献 | 第98-104页 |
| 致谢 | 第104-105页 |
| 攻读学位期间发表的学术论文目录 | 第105页 |
