文摘
英文文摘
论文说明:图表目录
声明
第一章 绪论
1.1自然目标机器视觉检测概述
1.2国内外自然目标视觉检测研究
1.3问题的提出
1.4本文安排与所做主要工作
第二章 图象特征提取与视觉识别
2.1基于自适应颜色压缩目标提取
2.1.1颜色压缩原理
2.1.2基于PCA的训练学习
2.1.3自组织特征映射
2.1.4基于SOFM的训练学习
2.1.5自适应颜色压缩算法
2.1.6实验结果与分析
2.2团状生物目标自动计数
2.2.1椭圆模型数数算法
2.2.2团状粘连目标自动分割
2.2.3椭圆模型数数算法的实现
2.2.4团状目标自动计数结果
2.3视觉自适应目标实时跟踪
2.3.1自适应宏块特征量化
2.3.2实时视觉监控系统结构
2.3.3实验结果与分析
2.4本章小结
第三章 参数混合优化与纹理特征自学习
3.1概述
3.1.1软计算的混合方案
3.1.2优化中的网络训练
3.1.3遗传规划方法
3.2混合优化方法验证实验
3.2.1自适应聚类的BM贪婪学习
3.2.2 TSP最短路径优化选择
3.2.3验证实验分析
3.3纹理距离测量
3.3.1参数化方法
3.3.2非参数化方法
3.3.3纹理的直方图表示
3.3.4纹理的转移矩阵表示
3.4表面特征增强与即时检测
3.4.1帧内多特征自学习
3.4.2特征实时分类器设计
3.4.3实验结果与分析
3.5本章小结
第四章 自然纹理两类边缘即时理解
4.1最佳适应步距两类分割
4.2 k阶极值加权均值两类分割
4.2.1多尺度特征提取
4.2.2初始兴趣区提取
4.2.3感兴趣区压缩算法
4.2.4导航方向线自动生成
4.3左右均值最大差两类分割
4.4多证据两类分割方法
4.4.1算法思想
4.4.2行增强多证据模糊判断
4.5多行最适应步距两类分割
4.6 RGB分量运算-色域压缩全图分割
4.7非结构化自然道路的理解
4.8实验结果分析
4.9本章小结
第五章 自然纹理两类边缘单目视觉跟踪
5.1概述
5.2透视投影变换模型
5.3摄象机主姿态的简化自标定
5.3.1快速透视投影变换算法
5.3.2摄象机主姿态角的自动获取
5.4边缘线真实方向角参数
5.5动态序列短暂记忆的多证据分割增强
5.6本章小结
第六章 自然目标特征学习与即时检测
6.1自然道路感兴趣区提取
6.2 RGB色域特征循环学习方法
6.3基于进化学习的色域组合
6.4颜色域快速压缩方法
6.5自然多目标的即时检测应用
6.6本章小结
第七章 半透明动态纹理视频的理解与检测
7.1概述
7.2动态序列图像预处理
7.2.1分块特征值计算
7.3复杂序列的背景学习与维护
7.3.1移动物体判别准则
7.3.2临时—永久背景更新模型
7.4烟雾识别
7.4.1烟雾的色域特征
7.4.2烟雾的小波特征
7.4.3烟雾波动的时频特征
7.4.4烟雾的半透明特征
7.5杂点剔除和连通域标识
7.6实验结果与分析
7.6.1动态背景模型学习
7.6.2烟雾检测实验
7.7本章小结
第八章 结论与建议
8.1研究结论
8.2主要创新工作
8.3展望
参考文献
致谢
攻读博士学位期间发表的论文及科研项目