| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·选题背景和意义 | 第9-13页 |
| ·无人自主飞行器概述 | 第9页 |
| ·无人机的类型 | 第9-10页 |
| ·几个典型无人机的简介 | 第10页 |
| ·微型无人自主飞行器研究的意义 | 第10-12页 |
| ·微型UAV在实际中的应用 | 第12-13页 |
| ·微型UAV视频系统国内外研究现状及问题分析 | 第13-16页 |
| ·IARC-International's Aerial Robotics Competition | 第13-14页 |
| ·IARC比赛虚拟了三个应用场景: | 第14-15页 |
| ·国外的一些UAV研究项目 | 第15-16页 |
| ·视频图像处理在微型UAV中的作用 | 第16页 |
| ·论文主要工作及内容安排 | 第16-18页 |
| 第二章 数字图像处理的基础知识 | 第18-38页 |
| ·数字图像处理的硬件 | 第18-21页 |
| ·摄像部分 | 第18-19页 |
| ·图像采集卡 | 第19-20页 |
| ·图像存贮装置 | 第20-21页 |
| ·图像采集的接口-Windows中的DirectShow和Linux中的V4L | 第21-24页 |
| ·VFW | 第21页 |
| ·DirectShow | 第21-23页 |
| ·VFW和DirectShow的关系 | 第23-24页 |
| ·V4L | 第24页 |
| ·图像的数字化 | 第24-26页 |
| ·静态图像的采样和量化 | 第25-26页 |
| ·动态图像的采样和量化 | 第26页 |
| ·图像增强-空域滤波 | 第26-31页 |
| ·小区域模板卷积 | 第26-28页 |
| ·图像的平滑 | 第28-29页 |
| ·图像的锐化 | 第29-31页 |
| ·图像分割 | 第31-36页 |
| ·阈值分割 | 第31-33页 |
| ·图像的二值化 | 第33-34页 |
| ·边缘检测 | 第34-35页 |
| ·轮廓提取 | 第35-36页 |
| ·图像的模式识别 | 第36-38页 |
| ·模板匹配 | 第36-37页 |
| ·统计模式识别 | 第37-38页 |
| 第三章 微型无人自主直升机目标识别系统的硬件设计 | 第38-46页 |
| ·UAV中图像处理系统的功能 | 第38页 |
| ·UAV中图像处理系统的结构 | 第38-41页 |
| ·地面处理型-视频捕获、图像处理都在地面工作站上进行 | 第38-39页 |
| ·空中处理型-视频捕获、图像处理都在UAV上进行 | 第39-40页 |
| ·混合型-UAV采集数字图像，图像处理由地面工作站完成 | 第40-41页 |
| ·最终选择的处理方式-采集视频、图像处理都在地面完成 | 第41-46页 |
| ·结构框图: | 第41-42页 |
| ·图像处理系统组成硬件的说明 | 第42-44页 |
| ·采用这种结构的理由 | 第44页 |
| ·这种结构的不足 | 第44-46页 |
| 第四章 视频捕获部分软件设计 | 第46-56页 |
| ·DirectShow视频捕获接口 | 第46-51页 |
| ·视频流的来源之一:AVI文件 | 第46-48页 |
| ·DirectShow对硬件的支持 | 第48-50页 |
| ·视频流的来源之二:BT878采集卡 | 第50-51页 |
| ·Filter Graph的创建过程 | 第51-53页 |
| ·视频捕获及处理的框架 | 第53-54页 |
| ·Linux环境下视频捕获的实现 | 第54-56页 |
| 第五章 微型无人自主直升机目标识别系统的软件设计 | 第56-71页 |
| ·无人自主直升机目标识别系统难点分析 | 第56-57页 |
| ·复杂性 | 第56页 |
| ·实时性 | 第56-57页 |
| ·用模板匹配的方法实现目标识别 | 第57-66页 |
| ·彩色图到灰度图的转换 | 第57-58页 |
| ·去噪声:高斯滤波 | 第58-59页 |
| ·二值化 | 第59-60页 |
| ·边缘检测 | 第60-61页 |
| ·轮廓提取 | 第61-63页 |
| ·模板匹配 | 第63-64页 |
| ·用不变矩来拒绝错误的目标 | 第64-65页 |
| ·程序流程图 | 第65-66页 |
| ·基于Haar特征和Adaboost的目标识别方法 | 第66-71页 |
| ·机器学习识别算法框架 | 第66-67页 |
| ·特征的提取 | 第67-68页 |
| ·分类器设计 | 第68-71页 |
| 第六章 实验结果与分析 | 第71-78页 |
| ·软件开发环境 | 第71页 |
| ·识别是否成功的判断方法 | 第71-72页 |
| ·采用模板匹配进行识别的实验结果 | 第72-75页 |
| ·Hu不变矩误差值阈值的确定 | 第72-73页 |
| ·相似性测度阈值的确定 | 第73-75页 |
| ·采用机器学习进行识别的实验结果 | 第75-76页 |
| ·结果分析 | 第76-78页 |
| ·识别速度 | 第76页 |
| ·识别准确率 | 第76-77页 |
| ·复杂度 | 第77页 |
| ·应用场合 | 第77-78页 |
| 第七章 总结与展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83页 |
