| 【中文题名】 | 基于机器视觉的月球表面坑的识别算法研究 |
| 【英文题名】 | Study on the Recognition Algorithm of Lunar Hole Based on Machine Vision |
| 【学科专业】 | 载运工具运用工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-7 |
| 【中关键词】 | 机器视觉,图像分割,Fisher准则函数,二维最大熵,矩不变,最大类间方差 |
| 【英关键词】 | Machine Vision,Image Segmentation,Fisher Criterion Function,Two-dimension Maximum Entropy,Moment Invariants,OTSU Method,Artificial Neural Network, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>遥感技术>遥感图像的解译、识别与处理>图像处理方法>数字处理 |
| 【论文摘要】 |
在月球表分布了各种大小和不同年龄的复杂的重叠坑,给月球车行驶带来了极大的困难,因此,在月球表面环境和光照条件下,利用视觉技术准确的检测出坑的位置和大小是保证月球车平稳行驶的一个关键技术,是未来月球探测车在月球表面实现自主导航一个非常重要的环节。经过一段时间的研究探索表明,利用计算机视觉判断车辆前方是否存在坑,并对坑进行识别是可行的。本文研究的主要内容包括以下几个方面:
1、研究各种光照条件下月球表面坑图像的预处理。探讨中值滤波,邻域平均法,直方图均衡法,图像的边缘增强算法。采用水平投影和垂直投影法对坑进行定位。研究较暗光照强度下的月球表面坑图像的分割算法。简单介绍基于边缘强度的分割算法和Fisher准则函数法,对两种算法的优缺点进行对比,最后采用Fisher准则函数法对此类图像进行分割处理,实际图片处理验证了上述算法的有效性。
2、研究采用区域生长算法,二维直方图熵最大法对正常光照强度下的月球表面坑的图像进行分割。通过试验结果的对比分析,最终采用二维直方图熵最大法对正常光照的月球表面坑进行分割。
3、研究将矩不变自动门限法和最大类间方差法运用到较亮光照强度下的月球表面坑的图像... |
| 【论文题纲】 |
|
提要 |
4-7 |
|
第一章 绪论 |
7-20 |
|
1.1 引言 |
7-8 |
|
1.2 课题研究背景和意义 |
8-10 |
|
1.2.1 课题研究背景 |
8-9 |
|
1.2.2 课题研究意义 |
9-10 |
|
1.3 月球车环境感知技术研究现状 |
10-17 |
|
1.3.1 国外月球车环境感知技术研究现状 |
10-16 |
|
1.3.2 国内月球车环境感知技术研究现状 |
16-17 |
|
1.4 基于机器视觉的月表坑探测的研究情况 |
17-18 |
|
1.5 利用计算机视觉系统进行月球车环境感知的优势 |
18-19 |
|
1.6 本文主要开展的研究工作 |
19-20 |
|
第二章 较暗光照月球表面坑图像的分割算法研究 |
20-41 |
|
2.1 引言 |
20-33 |
|
2.1.1 图像的预处理 |
20-27 |
|
2.1.2 图像分割概述 |
27-28 |
|
2.1.3 二值图像形态学处理 |
28-33 |
|
2.2 分割算法 |
33-40 |
|
2.2.1 基于边缘强度的图像分割 |
33-36 |
|
2.2.2 基于Fisher 准则函数的识别算法 |
36-40 |
|
2.2.3 分割算法对比分析 |
40 |
|
2.3 本章小结 |
40-41 |
|
第三章 正常光照月球表面坑图像的分割算法研究 |
41-48 |
|
3.1 引言 |
41 |
|
3.2 分割算法 |
41-47 |
|
3.2.1 区域生长法 |
41-44 |
|
3.2.2 二维直方图熵最大法 |
44-47 |
|
3.2.4 算法对比分析 |
47 |
|
3.3 本章小结 |
47-48 |
|
第四章 较亮光照月球表面坑图像的分割算法研究 |
48-55 |
|
4.1 引言 |
48 |
|
4.2 分割算法 |
48-54 |
|
4.2.1 矩不变自动门限法 |
48-51 |
|
4.2.2 最大类间方差法 |
51-53 |
|
4.2.3 算法对比分析 |
53-54 |
|
4.3 本章小结 |
54-55 |
|
第五章 基于BP 神经网络的图像光照模式分类器设计 |
55-63 |
|
5.1 引言 |
55 |
|
5.2 人工神经网络概述 |
55-57 |
|
5.3 BP 神经网络简介 |
57-58 |
|
5.3.1 BP 网络模型结构 |
57-58 |
|
5.3.2 BP 网络学习规则 |
58 |
|
5.4 BP 神经网络图像光照模式分类器设计 |
58-62 |
|
5.4.1 网络结构设计 |
58-60 |
|
5.4.2 BP 神经网络分类器的训练 |
60-62 |
|
5.5 本章小结 |
62-63 |
|
第六章 全文总结 |
63-65 |
|
6.1 论文的主要工作及结论 |
63-64 |
|
6.2 本文的局限性及进一步研究工作 |
64-65 |
|
参考文献 |
65-69 |
|
摘要 |
69-72 |
|
Abstract |
72-75 |
|
致谢 |
75-76 |
|
导师及作者简介 |
76 |
|
| 【DOI】 | LunWen.ID:2.2008.389473 |
