| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·背景理论与主要研究内容 | 第10-11页 |
| ·系统功能与外围器件选择 | 第11页 |
| ·系统工作流程 | 第11-14页 |
| ·论文的结构安排 | 第14-15页 |
| 第2章 基于现场的车顶图象畸变恢复 | 第15-37页 |
| ·图像角点的提取 | 第16-21页 |
| ·角点提取方法介绍 | 第16-20页 |
| ·新的角点提取方法设计 | 第20-21页 |
| ·图像标定 | 第21-30页 |
| ·摄像机标定的主要内容 | 第21-24页 |
| ·摄像机成像模型 | 第24-30页 |
| ·图像的畸变恢复 | 第30-33页 |
| ·灰度插值方法 | 第33-37页 |
| 第3章 车顶校正图像的后期拼接 | 第37-51页 |
| ·图像拼接的概述 | 第37页 |
| ·算法原理 | 第37-39页 |
| ·图像拼接的具体方法及分类 | 第39-45页 |
| ·图像的几何变换 | 第40-41页 |
| ·寻找匹配点的算法 | 第41-44页 |
| ·图像缝合 | 第44-45页 |
| ·图像拼接的应用与发展现状 | 第45-46页 |
| ·校正后图的拼接设计 | 第46-48页 |
| ·实际车顶图像的拼接设计 | 第48-51页 |
| 第4章 车项拼接图的磁瓶位置识别 | 第51-68页 |
| ·基于ARG模型识别局部被遮挡物体 | 第52-55页 |
| ·ARG模型的建立 | 第52-53页 |
| ·两个ARG模型的相似性函数的建立 | 第53-54页 |
| ·候选子图的选取 | 第54-55页 |
| ·局部匹配算法 | 第55页 |
| ·多种特征和Hopfleld神经网络的有遮挡的目标识别 | 第55-59页 |
| ·特征提取 | 第56-57页 |
| ·识别算法 | 第57-59页 |
| ·矩形似然曲线法抗遮挡设计 | 第59-68页 |
| ·算法描述 | 第60-61页 |
| ·关键算法 | 第61-64页 |
| ·实际车顶图的磁瓶定位 | 第64-65页 |
| ·磁瓶损坏检测系统的搭建 | 第65-68页 |
| 第5章 基于车顶拼接图像的异物识别 | 第68-76页 |
| ·边缘概念及常用的边缘检测算子 | 第68-71页 |
| ·边缘连接 | 第71-72页 |
| ·基于圆形和矩形的异物识别 | 第72-76页 |
| ·算法步骤 | 第72-73页 |
| ·算法关键 | 第73-74页 |
| ·各种形状的检测实图 | 第74-76页 |
| 第6章 整个系统的VC处理平台的设计 | 第76-80页 |
| ·单图处理功能 | 第76-77页 |
| ·双图功能 | 第77-78页 |
| ·图像特效 | 第78-79页 |
| ·直方图显示 | 第79-80页 |
| 结论和展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 攻读硕士期间发表论文 | 第86-87页 |
| 附录 | 第87-114页 |
| (一) VC源代码 | 第87-104页 |
| (二) MATALB源代码 | 第104-114页 |