文摘
英文文摘
声明
第一章 绪论
1.1 研究的背景
1.2 国外对物体识别的研究
1.3 物体识别所存在的主要问题
1.4 本章小结
第二章 基于场景相关信息的物体识别模型的研究
2.1 主要思想
2.2 总体模型
2.3 基于场景相关信息的物体识别方法的难点与展望
2.4 本章小结
第三章 图形基元获取的一般方法的研究
3.1 基于颜色或灰度特征块的方法
3.1.1 基本定义
3.1.2 特征块生长算法
3.1.3 实际算例以及和传统边缘检测算法的比较
3.2 基于端点连接的线段检测
3.3 区域支持法
3.4 消失点线段群检测
3.4.1 基本概念
3.4.2 消失点线段群模型
3.4.3 实际测试
3.5 本章小结
第四章 基于多边形近似的图形基元获取方法
4.1 传统的多边形近似方法
4.1.1 基于局部特征的多边形近似方法
4.1.2 传统的基于全局特征的多边形近似
4.2 改进的基于全局特征的多边形近似方法
4.2.1 基于弯度特征的遗传算法种群空间优化策略
4.2.2 近似多边形顶点连接顺序的约束条件
4.2.3 多边形近似的一种误差形式和基于周长最大化的多边形近似
4.2.4 改进的基于遗传算法的多边形近似方法的仿真与实验
4.3 多边形近似中用误差阈值控制近似尺度的原理及其仿真
4.4 本章小结
第五章 基于窗口矢量化的圆弧基元的获取
5.1 基于窗口矢量化的数字曲线分割方法
5.1.1 基于窗口矢量化的圆弧基元分割方法的具体步骤
5.1.2 减少由数字曲线的微观结构所引起的扰动的多窗口方法
5.2 基于RBF神经网络的分类
5.2.1 RBF神经网络的基本结构
5.2.2 基于傅立叶变换的RBF神经网络图形分类
5.3 仿真与实验
5.4 本章小结
第六章 结论
致谢
参考文献
附录:作者在攻读硕士学位期间发表的论文