基于遗传算法和模糊聚类的目标识别技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景及意义 | 第11-12页 |
| ·机器人视觉系统概述 | 第12-16页 |
| ·机器人视觉系统的分类 | 第12-15页 |
| ·机器人视觉系统的组成 | 第15页 |
| ·机器人视觉系统的应用 | 第15-16页 |
| ·相关领域研究现状概述 | 第16-18页 |
| ·特征的选择与提取研究现状 | 第16-17页 |
| ·目标识别的研究现状 | 第17-18页 |
| ·本文主要工作和结构 | 第18-19页 |
| 第2章 图像预处理 | 第19-27页 |
| ·图像的灰度化 | 第19-20页 |
| ·中值滤波 | 第20-21页 |
| ·边缘检测 | 第21-24页 |
| ·边缘检测概述 | 第21-22页 |
| ·常用的四种边缘检测算子 | 第22-24页 |
| ·图像的数学形态学处理 | 第24-26页 |
| ·数学形态学概述 | 第24-25页 |
| ·数学形态学的基本运算 | 第25-26页 |
| ·数学形态学在本文的应用 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 特征的提取技术 | 第27-44页 |
| ·目标特征提取方法概述 | 第27-31页 |
| ·基于颜色信息的特征提取方法 | 第28-29页 |
| ·基于纹理信息的特征提取方法 | 第29-30页 |
| ·基于形状信息的特征提取方法 | 第30-31页 |
| ·基于空间信息的特征提取方法 | 第31页 |
| ·本文采用的特征提取方法 | 第31-39页 |
| ·不变矩的基本理论 | 第32-35页 |
| ·不变矩空间的扩充 | 第35-37页 |
| ·不变矩的计算方法 | 第37-39页 |
| ·实验结果与分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于遗传算法的特征优化 | 第44-56页 |
| ·特征的优化选择 | 第44-47页 |
| ·优化选择面临的问题 | 第44-45页 |
| ·常用的优化选择算法 | 第45-47页 |
| ·遗传算法在优化选择中的应用 | 第47-53页 |
| ·遗传个体表示和初始种群的生成 | 第48页 |
| ·适应度函数设计 | 第48-49页 |
| ·遗传算子的设计 | 第49-52页 |
| ·遗传算法的终止条件 | 第52页 |
| ·遗传算法的流程 | 第52-53页 |
| ·实验结果与分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 基于模糊聚类的目标识别 | 第56-72页 |
| ·聚类分析与模糊聚类 | 第56-58页 |
| ·模糊聚类关系的建立 | 第58-62页 |
| ·目标识别的原理 | 第62-65页 |
| ·实验结果与分析 | 第65-71页 |
| ·本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 1、结论 | 第72页 |
| 2、不足与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第78-79页 |
| 致谢 | 第79-80页 |
