首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于粗糙集的机器视觉图像分割

中文摘要第1-7页
英文摘要第7-14页
图表索引第14-16页
第一章 绪论第16-22页
 1.1 研究背景第16-17页
 1.2 机器视觉现状与图像处理技术现状第17-18页
 1.3 粗糙集处理图像现状第18-19页
 1.4 本论文主要研究内容及创新之处第19-21页
  1.4.1 主要研究内容第19-20页
  1.4.2 主要创新点第20-21页
 1.5 论文结构安排第21-22页
第二章 粗糙集理论概述第22-37页
 2.1 粗糙集原理概述第22-28页
  2.1.1 粗糙集中的知识系统第23-26页
   2.1.1.1 知识的定义第23-24页
   2.1.1.2 知识获取及知识分类第24页
   2.1.1.3 知识库、知识表达系统、决策表三者之间的关系第24-26页
  2.1.2 粗糙集中的知识约简第26-28页
 2.2 粗糙集理论思想精髓及理论特点第28页
 2.3 粗糙集的应用领域、前景以及前沿研究课题第28-33页
  2.3.1 粗糙集理论的应用领域第28-31页
  2.3.2 粗糙集理论的应用前景第31-32页
  2.3.3 前沿研究课题第32-33页
 2.4 粗糙集在图像处理中的应用第33-34页
 2.5 粗糙集与其他软计算方法的比较与融合第34-37页
第三章 机器视觉与足球机器人比赛系统第37-49页
 3.1 机器视觉系统第37-38页
 3.2 足球机器人比赛系统第38-40页
 3.3 足球机器人比赛视觉子系统第40-49页
  3.3.1 视觉子系统的组成第40-42页
  3.3.2 硬件介绍第42-44页
   3.3.2.1 摄像头第42-43页
   3.3.2.2 图像采集卡第43-44页
  3.3.3 视觉子系统的对象识别第44-49页
   3.3.3.1 对象识别的简单介绍第44-46页
   3.3.3.2 颜色的识别方法第46-47页
   3.3.3.3 色彩空间第47-49页
第四章 基于粗糙集的足球机器人图像的分割处理第49-85页
 4.1 粗糙集的引入第49-50页
 4.2 数字图像及调色板的应用第50-53页
  4.2.1 数字图像的表示及系统结构第50-51页
  4.2.2 调色板和索引图第51-53页
 4.3 图像预处理第53-72页
  4.3.1 机器视觉系统中常用的图像处理技术第53-56页
  4.3.2 常用的图像增强方法第56-59页
  4.3.3 采用基于三基色分量的阈值技术进行图像增强第59-72页
   4.3.3.1 采集原始数据第59-61页
   4.3.3.2 进行图像增强处理第61-68页
   4.3.3.3 改进图像增强处理第68-72页
 4.4 基于粗糙集理论进行图像分割第72-82页
  4.4.1 构建知识表达系统第72-74页
  4.4.2 处理数据构成初始决策表第74-77页
  4.4.3 初始决策表、分类决策表及最小决策规则的获取第77-81页
  4.4.4 利用分类决策表得到最终图像第81-82页
 4.5 直接设置调色板转换为索引图像的处理第82-84页
 4.6 系统设计程序主流程图第84-85页
第五章 一些常用图像分割方法与本文方法的对比第85-97页
 5.1 基于统计模式识别的图像分割方法第85-90页
  5.1.1 统计模式识别方法简述第85页
  5.1.2 最小距离分类器设计及图像分割的实现第85-90页
 5.2 基于 K均值聚类的图像分割方法第90-96页
  5.2.1 K均值聚类分析第90页
  5.2.2 K均值聚类用于图像分割第90-96页
 5.3 比较结论第96-97页
第六章 结束语第97-100页
 6.1 论文已完成的主要工作第97-98页
 6.2 本论文的创新之处第98页
 6.3 课题进一步研究的方向第98-100页
参考文献第100-107页
致谢第107-108页
攻读研究生期间发表过的论文第108页

论文共108页,点击 下载论文
上一篇:痰瘀同治法治疗椎-基底动脉供血不足的临床研究
下一篇:输卵管阻塞性不孕症危险因素的病例对照研究