基于强化学习的环境光下自适应识别的研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题的研究背景和意义 | 第7-8页 |
| 1.2 相关的国内外研究现状 | 第8-11页 |
| 1.3 全文内容安排 | 第11-13页 |
| 第二章 OpenCV及颜色空间 | 第13-25页 |
| 2.1 OpenCV简介 | 第13-14页 |
| 2.2 颜色空间简介 | 第14-15页 |
| 2.2.1 RGB颜色空间 | 第14-15页 |
| 2.2.2 HSV颜色空间 | 第15页 |
| 2.3 光源的种类及光照模型 | 第15-16页 |
| 2.4 彩色摄像机成像原理 | 第16-17页 |
| 2.5 颜色建模方法 | 第17-18页 |
| 2.5.1 阈值法 | 第17页 |
| 2.5.2 高斯法 | 第17-18页 |
| 2.5.3 直方图法 | 第18页 |
| 2.5.4 颜色建模方法的比较 | 第18页 |
| 2.6 阈值范围的确定 | 第18-19页 |
| 2.7 目标物体拾取方法 | 第19-22页 |
| 2.7.1 图像获取及预处理 | 第19-20页 |
| 2.7.2 色彩模型的转换 | 第20页 |
| 2.7.3 阈值化处理 | 第20页 |
| 2.7.4 HSV图像的生成及形态学去噪 | 第20-21页 |
| 2.7.5 查找轮廓和绘制轮廓 | 第21-22页 |
| 2.8 程序测试 | 第22-24页 |
| 2.9 本章小结 | 第24-25页 |
| 第三章 强化学习 | 第25-35页 |
| 3.1 基本原理和模型 | 第25-29页 |
| 3.1.1 强化学习基本原理 | 第25-26页 |
| 3.1.2 强化学习基本要素 | 第26-29页 |
| 3.2 强化学习的基本算法 | 第29-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 基于强化学习的自适应光照识别 | 第35-43页 |
| 4.1 图像轮廓的面积计算及匹配 | 第36页 |
| 4.1.1 轮廓面积的计算 | 第36页 |
| 4.1.2 轮廓的面积匹配 | 第36页 |
| 4.2 强化学习各要素设计 | 第36-38页 |
| 4.2.1 棋盘模型 | 第36-37页 |
| 4.2.2 光照值分割 | 第37-38页 |
| 4.2.3 Sarsa算法的相关参数设计 | 第38页 |
| 4.3 探索策略 | 第38-42页 |
| 4.3.1 ε-greed算法 | 第39-40页 |
| 4.3.2 模拟退火算法 | 第40-41页 |
| 4.3.3 动态贪婪策略 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 实验分析 | 第43-53页 |
| 5.1 手动获取标准面积及相关参数 | 第43-45页 |
| 5.2 改变光照进行强化学习 | 第45-48页 |
| 5.3 自适应识别 | 第48-52页 |
| 5.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 个人简介 | 第59页 |
