商品自动识别系统的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-12页 |
| 1.2 课题研究目的和意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13页 |
| 1.4 论文整体安排 | 第13-15页 |
| 第二章 系统平台搭建和图像预处理 | 第15-23页 |
| 2.1 系统平台搭建 | 第15-20页 |
| 2.1.1 OpenCV简介 | 第15-17页 |
| 2.1.2 CMake简介 | 第17-18页 |
| 2.1.3 Boost简介 | 第18-19页 |
| 2.1.4 YAML简介 | 第19页 |
| 2.1.5 CMD简介 | 第19-20页 |
| 2.2 图像预处理 | 第20-22页 |
| 2.2.1 图像的颜色模型及转换 | 第20-21页 |
| 2.2.2 图像去噪 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 易拉罐的识别模型 | 第23-41页 |
| 3.1 实验环境及拍摄图片库 | 第23-25页 |
| 3.2 易拉罐顶部边缘环识别器 | 第25-33页 |
| 3.2.1 Canny算法 | 第26-27页 |
| 3.2.2 RANSAC算法 | 第27-29页 |
| 3.2.3 椭圆评估算法 | 第29-31页 |
| 3.2.4 罐顶边缘环识别器总结 | 第31-33页 |
| 3.3 易拉罐身关键点识别器 | 第33-35页 |
| 3.3.1 SIFT简介 | 第33-34页 |
| 3.3.2 MeanShift算法简介 | 第34页 |
| 3.3.3 罐身关键点识别器总结 | 第34-35页 |
| 3.4 易拉罐颜色块识别器 | 第35页 |
| 3.5 易拉罐识别模型总结 | 第35-36页 |
| 3.6 实验结果及分析 | 第36-39页 |
| 3.7 本章小结 | 第39-41页 |
| 第四章 利乐包饮料的识别模型 | 第41-49页 |
| 4.1 Haar-like特征 | 第41页 |
| 4.2 Adaboost简介 | 第41-42页 |
| 4.3 Haar特征级联分类器 | 第42-44页 |
| 4.4 训练利乐包饮料识别模型 | 第44-45页 |
| 4.5 实验结果及分析 | 第45-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第五章 系统的实验过程及结果分析 | 第49-55页 |
| 5.1 系统的实验过程 | 第49-52页 |
| 5.2 系统的结果及分析 | 第52-54页 |
| 5.3 系统的应用范围 | 第54-55页 |
| 第六章 总结和展望 | 第55-59页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
