基于图像模糊边缘检测的电梯门防夹关键技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-17页 |
| ·课题研究背景和意义 | 第8-10页 |
| ·课题研究背景 | 第8-9页 |
| ·课题研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·电梯门防夹技术的发展 | 第10-11页 |
| ·边缘检测技术的发展 | 第11-13页 |
| ·实验平台 | 第13-15页 |
| ·硬件支撑平台 | 第13-14页 |
| ·Simulink 仿真环境 | 第14-15页 |
| ·本文结构 | 第15-17页 |
| 2 电梯门图像预处理 | 第17-33页 |
| ·图像滤波 | 第17-21页 |
| ·常用滤波算法 | 第17-19页 |
| ·改进的高斯滤波算法 | 第19-20页 |
| ·图像滤波的实验分析 | 第20-21页 |
| ·图像增强 | 第21-26页 |
| ·经典的空域图像增强算法 | 第22-25页 |
| ·图像增强的实验分析 | 第25-26页 |
| ·ROI 提取 | 第26-32页 |
| ·Otsu 算法 | 第27-28页 |
| ·连通区域标记 | 第28-30页 |
| ·基于阈值分割的 ROI 自适应提取算法 | 第30-31页 |
| ·ROI 自适应提取的实验分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 3 边缘检测算法研究 | 第33-56页 |
| ·经典的边缘检测算法 | 第33-40页 |
| ·基于一阶导数的边缘检测算法 | 第34-35页 |
| ·基于二阶导数的边缘检测算法 | 第35-36页 |
| ·Canny 边缘检测算法 | 第36-38页 |
| ·经典边缘检测算法的实验分析 | 第38-40页 |
| ·现有的模糊边缘检测方法 | 第40-45页 |
| ·定义简单隶属度函数的检测方法 | 第40页 |
| ·Pal 算法及其改进算法 | 第40-43页 |
| ·基于模糊竞争的边缘检测算法 | 第43-44页 |
| ·基于模糊推理的启发式边缘检测算法 | 第44-45页 |
| ·基于多特征模糊推理的边缘检测算法 | 第45-52页 |
| ·边缘特征定义 | 第45-48页 |
| ·两次模糊推理 | 第48-52页 |
| ·模糊边缘检测算法的实验分析 | 第52-54页 |
| ·电梯门图像边缘检测 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 4 电梯门障碍物检测 | 第56-64页 |
| ·目标边缘提取 | 第56-57页 |
| ·图像特征 | 第57-59页 |
| ·最长边缘的长轴中心列坐标 | 第57-58页 |
| ·图像分块统计特征 | 第58-59页 |
| ·电梯门障碍物判定 | 第59-61页 |
| ·电梯门障碍物检测的实验分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 5 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70页 |
| A. 作者在攻读学位期间发表的论文 | 第70页 |
| B. 作者在攻读学位期间参与的科研项目 | 第70页 |
