多视角室内静物识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 室内静物识别研究的背景和意义 | 第9-10页 |
| 1.2 室内静物识别的研究发展现状 | 第10-12页 |
| 1.3 课题来源 | 第12页 |
| 1.4 本文主要内容及结构 | 第12-15页 |
| 1.4.1 论文的主要研究内容 | 第12-13页 |
| 1.4.2 论文的章节安排 | 第13页 |
| 1.4.3 本文创新点 | 第13-15页 |
| 第二章 彩色图像目标提取 | 第15-28页 |
| 2.1 图像中噪声的去除 | 第15-18页 |
| 2.2 图像分割方法 | 第18-20页 |
| 2.2.1 直方图阈值分割方法 | 第19页 |
| 2.2.2 基于区域的方法图像分割方法 | 第19-20页 |
| 2.3 融合颜色和空间信息的彩色目标提取方法 | 第20-27页 |
| 2.3.1 算法思路 | 第20-24页 |
| 2.3.2 实验结果 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 特征提取 | 第28-34页 |
| 3.1 形状特征提取 | 第28-31页 |
| 3.1.1 HU 矩 | 第28-30页 |
| 3.1.2 仿射变换 | 第30-31页 |
| 3.2 颜色特征提取 | 第31-32页 |
| 3.3 纹理特征提取 | 第32-33页 |
| 3.4 PCA 特征降维 | 第33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 物体识别方法的应用 | 第34-54页 |
| 4.1 支持向量机理论 | 第34-38页 |
| 4.1.1 最优分类超平面 | 第34-37页 |
| 4.1.2 核函数 | 第37-38页 |
| 4.2 SVM 优化参数选择方法 | 第38-41页 |
| 4.3 极限学习机用于物体识别 | 第41-42页 |
| 4.4 仿真实验结果 | 第42-52页 |
| 4.4.1 支持向量机分类器用于物体识别 | 第42-51页 |
| 4.4.2 SVM 与其它方法的识别结果对比分析 | 第51-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 物体识别的实验结果 | 第54-60页 |
| 5.1 系统功能模块及流程图 | 第54-55页 |
| 5.2 各个模块的实现 | 第55-59页 |
| 5.2.1 图像获取与目标提取模块 | 第55-56页 |
| 5.2.2 特征提取模块 | 第56-57页 |
| 5.2.3 物体识别模块 | 第57-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 结论 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间所取得的相关科研成果 | 第66-68页 |
| 致谢 | 第68-69页 |
