首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于机器视觉的船舶面积自动识别系统

摘要第1-5页
ABSTRACT第5-15页
第一章 绪论第15-22页
   ·选题背景及意义第15-16页
     ·船舶过闸费征收现状第15-16页
     ·课题意义第16页
   ·机器视觉技术的产生和发展第16-18页
   ·机器视觉技术的研究与应用动态第18-19页
   ·基于机器视觉的船舶面积自动识别系统介绍第19-20页
   ·论文的主要工作和章节安排第20-22页
第二章 图像预处理第22-34页
   ·概述第22-23页
   ·直方图修正第23-29页
     ·直方图及直方图修正法的基本原理第23-24页
     ·直方图均衡化第24-26页
     ·基于K 均值聚类的分段直方图均衡化算法第26-29页
   ·灰度校正第29-31页
     ·灰度线性变换第29页
     ·分段线性变换第29-31页
   ·滤波处理第31-34页
     ·常用滤波器的介绍第31页
     ·基于目标边界不规则性的自适应滤波器第31-34页
 第三章 基于主动轮廓线(Snakes)的船舶检测算法第34-56页
   ·运动目标检测第34-45页
     ·基于光流场分析的算法第34-35页
     ·立体视觉法第35页
     ·基于图像差分的检测算法第35-36页
     ·基于主动轮廓线(Snakes)的方法第36-45页
       ·Snakes 模型数学表达第36-38页
       ·Snakes 模型求解第38页
       ·气球力Snakes 模型第38-39页
       ·GVF Snakes 模型第39-42页
       ·几种经典Snakes 算法仿真结果对比第42-45页
   ·基于 GVF Snakes 模型的船舶检测算法第45-54页
     ·初始轮廓线的定义第46页
     ·一般帧差法获取初始轮廓线第46-47页
     ·改进的帧差法获取初始轮廓线第47-50页
     ·改进的基于GVF 力量场阈值判断的初始轮廓线更新算法第50-51页
     ·实验结果与分析第51-54页
   ·本章小结第54-56页
第四章 基于图像差分的船舶检测方法第56-76页
   ·概述第56页
   ·系统的理论基础第56-59页
     ·彩色空间第56-58页
       ·RGB 彩色空间第56-57页
       ·HSV 彩色空间第57页
       ·孟塞尔色空间第57-58页
       ·YIQ 空间第58页
     ·Otsu 方法介绍第58-59页
   ·改进的基于单帧静态图像的背景差分法第59-63页
     ·概述第59-60页
     ·基于直方图统计和背景逐步逼近的背景生成法的提出第60-62页
     ·融合HSV 空间各分量信息的背景差分法的提出第62-63页
   ·阴影和浪花的检测与消除第63-76页
     ·基于颜色特征的浪花检测算法的提出第63-65页
     ·基于面积差异的排除水上杂物干扰算法的提出第65-66页
     ·改进的基于光照方向及边缘信息的阴影检测算法第66-73页
       ·融合HSV 和RGB 空间信息的初步阴影检测第67-69页
       ·光照方向的自动检测第69-70页
       ·边缘信息的阴影检测第70-72页
       ·分析本算法改进点及其优越性第72-73页
     ·改进的基于光照方向及阴影连通性的阴影检测算法第73-75页
       ·算法原理与步骤第73-74页
       ·实验结果与分析第74-75页
     ·两种阴影检测算法的比较第75-76页
第五章 船舶面积计算第76-83页
   ·分析影响系统检测精度的主要因素第76页
   ·成像系统的几何畸变误差第76-77页
   ·分区标定的系统标定法第77-79页
   ·系统标定的仿真实验第79-83页
     ·分区标定方法的实现第79-81页
     ·验证标定方法的实现第81-82页
     ·标定实验结果与分析第82-83页
第六章 系统仿真演示第83-90页
   ·船舶检测部分第83-86页
     ·读取图像第83页
     ·图像检测第83-84页
     ·分割效果检验第84-85页
     ·GVF Snakes 检测算法结果与比较第85-86页
   ·相机标定部分第86-90页
     ·读取标定图第86-87页
     ·分区标定第87-88页
     ·计算结果与检验第88-90页
第七章 总结与展望第90-92页
   ·论文工作总结第90-91页
   ·需要进一步做的工作第91-92页
参考文献第92-96页
致谢第96-97页
在学期间的研究成果及发表的学术论文第97页

论文共97页,点击 下载论文
上一篇:基于独立成分分析的fMRI脑静息网络特性研究
下一篇:基于视频信息的运动目标跟踪技术研究