| 第一章 绪论 | 第1-18页 |
| §1．1 引言 | 第6-7页 |
| §1．2 数字图像处理 | 第7-11页 |
| 1．2．1 图像处理概述 | 第7-8页 |
| 1．2．2 图像处理简史 | 第8页 |
| 1．2．3 图像处理的基本步骤 | 第8-9页 |
| 1．2．4 图像处理技术 | 第9-11页 |
| §1．3 机器人视觉 | 第11-16页 |
| 1．3．1 机器视觉概述 | 第11-13页 |
| 1．3．2 机器人视觉系统的应用与发展趋势 | 第13页 |
| 1．3．3 机器人视觉的关键技术 | 第13-15页 |
| 1．3．4 机器人视觉的一些成功应用 | 第15-16页 |
| §1．4 本文研究的主要内容 | 第16-18页 |
| 第二章 改进的基于图像相关匹配目标跟踪新算法 | 第18-35页 |
| §2．1 引言 | 第18页 |
| §2．2 已有跟踪算法性能分析和比较 | 第18-21页 |
| 2．2．1 对比度跟踪算法分析 | 第18-20页 |
| 2．2．2 特征序列匹配算法分析 | 第20-21页 |
| §2．3 图像相关跟踪法 | 第21-24页 |
| 2．3．1 概述 | 第21页 |
| 2．3．2 相似度函数 | 第21-23页 |
| 2．3．3 传统的相关跟踪系统开发 | 第23-24页 |
| 2．3．4 相关跟踪法小结 | 第24页 |
| §2．4 改进的图像相关跟踪算法 | 第24-28页 |
| 2．4．1 概述 | 第24-25页 |
| 2．4．2 基于新型kalman预测器的目标运动预测 | 第25-27页 |
| 2．4．3 自适应优化匹配策略 | 第27-28页 |
| §2．5 改进的跟踪系统开发与试验结果分析 | 第28-32页 |
| 2．5．1 实验环境 | 第28页 |
| 2．5．2 应用程序流程简述 | 第28-29页 |
| 2．5．3 跟踪系统实例演示 | 第29-30页 |
| 2．5．4 实验结论与分析 | 第30页 |
| 2．5．5 几个细节问题 | 第30-32页 |
| §2．6 仍需进一步深入的研究工作 | 第32-34页 |
| 本章主要参考文献 | 第34-35页 |
| 第三章 基于各种先验知识的特殊目标定位算法 | 第35-50页 |
| §3．1 本章内容摘要 | 第35页 |
| §3．2 车辆牌照识别系统组成 | 第35-38页 |
| 3．2．1 图像预处理 | 第36页 |
| 3．2．2 牌照的定位与分割 | 第36-37页 |
| 3．2．3 牌照字符的预处理 | 第37页 |
| 3．2．4 牌照字符的识别 | 第37-38页 |
| §3．3 自适应车辆牌照定位新算法 | 第38-47页 |
| 3．3．1 概述 | 第38-39页 |
| 3．3．2 车辆牌照区域的先验知识 | 第39页 |
| 3．3．3 我们的解决方法 | 第39-40页 |
| 3．3．4 输入图像的自适应二值化 | 第40-43页 |
| 3．3．5 颜色验证 | 第43-44页 |
| 3．3．6 试验结果与分析 | 第44-47页 |
| §3．4 车辆牌照识别中有待深入研究的几个问题 | 第47-49页 |
| 3．4．1 进一步提高现有算法的速度和准确率 | 第47页 |
| 3．4．2 对于车牌彩色信息的利用有待于深入研究 | 第47-48页 |
| 3．4．3 一幅图像中多个车牌的识别问题值得研究 | 第48-49页 |
| 本章主要参考文献 | 第49-50页 |
| 第四章 基于新型局部不变量的移动机器人视觉识别算法 | 第50-66页 |
| §4．1 本章内容摘要 | 第50页 |
| §4．2 目标识别算法概述 | 第50-53页 |
| 4．2．1 已有的识别方法 | 第50-51页 |
| 4．2．2 基于局部特征的机器人视觉 | 第51-52页 |
| 4．2．3 不变量简介 | 第52-53页 |
| §4．3 基于局部特征的新型视觉系统 | 第53-61页 |
| 4．3．1 特征点 | 第53-54页 |
| 4．3．2 新型的局部特征不变量 | 第54-57页 |
| 4．3．3 局部不变量的匹配 | 第57-59页 |
| 4．3．4 局部几何约束 | 第59-60页 |
| 4．3．5 比例变化下的不变量拓展 | 第60-61页 |
| §4．4 试验结果与结论分析 | 第61-64页 |
| 本章参考文献 | 第64-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67页 |