摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第一章 绪论 | 第9-19页 |
1.1 课题研究背景与意义 | 第9页 |
1.2 国内外研究现状 | 第9-13页 |
1.3 目标跟踪方法综述 | 第13-16页 |
1.3.1 基于运动的方法 | 第14-15页 |
1.3.2 基于图像匹配的方法 | 第15-16页 |
1.4 本论文的主要研究内容 | 第16-19页 |
第二章 基于机器视觉的检测与跟踪系统设计 | 第19-27页 |
2.1 机器视觉系统概述 | 第19-20页 |
2.2 机器视觉检测与跟踪系统的设计 | 第20-25页 |
2.2.1 硬件系统的设计 | 第20-23页 |
2.2.2 软件系统的开发 | 第23-25页 |
2.2.2.1 开发环境 | 第23页 |
2.2.2.2 软件系统原理 | 第23-24页 |
2.2.2.3 用户控制界面 | 第24-25页 |
2.3 本章小结 | 第25-27页 |
第三章 水下图像增强方法 | 第27-41页 |
3.1 水下光学成像简介 | 第27-29页 |
3.1.1 水下光学成像原理 | 第27-28页 |
3.1.2 水对光的吸收和散射特性 | 第28页 |
3.1.3 水下图像的特点 | 第28-29页 |
3.2 水下图像增强主要方法 | 第29-34页 |
3.2.1 空间域增强 | 第29-32页 |
3.2.1.1 邻域平均滤波 | 第30页 |
3.2.1.2 中值滤波 | 第30页 |
3.2.1.3 图像锐化 | 第30-32页 |
3.2.2 频率域增强 | 第32-34页 |
3.2.2.1 低通滤波 | 第32-33页 |
3.2.2.2 高通滤波 | 第33页 |
3.2.2.3 同态滤波 | 第33-34页 |
3.2.3 基于多尺度分析的图像增强方法 | 第34页 |
3.2.4 模糊增强方法 | 第34页 |
3.3 水下图像清晰化算法 | 第34-37页 |
3.3.1 水下光照成像模型 | 第34-35页 |
3.3.2 介质散射光图像与光源强度变化图像的混合估计 | 第35-37页 |
3.3.2.1 小波变换 | 第35-36页 |
3.3.2.2 估计方法 | 第36-37页 |
3.3.3 衰减图像的增强处理 | 第37页 |
3.4 实验结果与分析 | 第37-39页 |
3.5 本章小结 | 第39-41页 |
第四章 基于颜色的自适应窗水下目标跟踪算法 | 第41-53页 |
4.1 颜色空间理论 | 第41-43页 |
4.1.1 颜色空间的选择 | 第41-42页 |
4.1.2 颜色空间的转换 | 第42-43页 |
4.2 传统颜色匹配跟踪算法 | 第43-46页 |
4.2.1 目标模板的描述 | 第44-45页 |
4.2.2 候选模板的描述 | 第45页 |
4.2.3 相似函数的选择 | 第45页 |
4.2.4 传统颜色匹配跟踪算法的跟踪过程 | 第45-46页 |
4.3 基于颜色的自适应窗水下目标跟踪算法 | 第46-48页 |
4.3.1 跟踪准确算法 | 第46-47页 |
4.3.2 跟踪窗尺寸变化算法 | 第47页 |
4.3.4 新算法实现流程 | 第47-48页 |
4.4 实现结果与分析 | 第48-50页 |
4.5 本章小结 | 第50-53页 |
第五章 水下图像分割与特征提取 | 第53-67页 |
5.1 阈值分割算法 | 第53-55页 |
5.1.1 最大熵法 | 第53-54页 |
5.1.2 传统最大类间方差法 | 第54页 |
5.1.3 最小均方误差法 | 第54-55页 |
5.1.4 模糊 C 均值聚类算法 | 第55页 |
5.2 基于二维模糊 Otsu 的水下图像分割算法 | 第55-59页 |
5.2.1 二维灰度直方图 | 第55-56页 |
5.2.2 二维隶属度函数 | 第56-57页 |
5.2.3 基于二维模糊 Otsu 的图像分割法 | 第57-59页 |
5.3 水下目标特征提取 | 第59-62页 |
5.4 实验结果及分析 | 第62-66页 |
5.5 本章小结 | 第66-67页 |
第六章 结论与展望 | 第67-69页 |
6.1 结论 | 第67-68页 |
6.2 展望 | 第68-69页 |
参考文献 | 第69-73页 |
攻读硕士学位期间所取得的相关科研成果 | 第73-75页 |
致谢 | 第75页 |