机器人视觉仿真 ——基于语义的图像检索

论文摘要

机器人视觉系统通过视觉传感器获取环境的二维图像，并通过视觉处理器进行分析和解释，进而转换为符号，让机器人能够辨识物体，并确定其位置。本文首先概要性的介绍机器人视觉系统的分析方法，阐述该系统的算法实现。然后介绍图像的语义模型、图像语义的提取和描述方法，论述基于语义的图像检索研究中存在的问题及一些现有的解决方法。本文针对图像的语义分类和语义检索，对基于语义的图像检索系统的设计和实现进行了研究。在MSRS机器人仿真平台上实现了对环境图像的获取，并利用MATLAB辅助工具对图像进行小波处理并提取特征值。最后利用基于语义的图像检索系统实现了机器人视觉的仿真。本实验中的图像检索系统，可实现关键字查询和示例图像查询，并在关键字查询中引入了基于SVM增量学习的相关反馈机制，结合反馈结果中图像的相关度评价，重新训练SVM分类器，修正语义规则，改进检索结果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 研究现状
• 1.3 需要研究的方向
• 1.3.1 研究目标
• 1.3.2 研究内容
• 1.4 论文的内容及章节安排
• 第二章 视觉系统的概述
• 2.1 视觉系统综述
• 2.1.1 根据摄像机数目分类
• 2.1.2 根据摄像机放置位置分类
• 2.1.3 根据视觉系统的控制模型分类
• 2.2 基于视觉系统的机器人导航系统综述
• 2.3 MSRS（Microsoft Robotics studio）简介
• 2.3.1 Microsoft Robotics studio 概述
• 2.3.2 Microsoft Robotics studio 特点及目标
• 2.3.3 Microsoft Robotics studio 功能
• 2.3.4 Microsoft Robotics studio 运行环境
• 第三章 小波变换应用于图像处理
• 3.1 小波变换的理论基础
• 3.1.1 连续小波变换
• 3.1.2 连续小波变换的性质
• 3.1.3 离散小波变换
• 3.1.4 二进小波变换
• 3.1.5 小波变换与 DFT 的比较
• 3.2 小波变换的应用
• 3.2.1 基于小波的图像压缩
• 3.2.2 基于小波的图像增强
• 3.2.3 基于小波的图像去噪
• 第四章 基于语义的图像检索
• 4.1 图像语义模型
• 4.2 图像语义的提取方法
• 4.2.1 底层视觉特征到高层语义的直接映射
• 4.2.2 基于关键字的语义网络
• 4.2.3 语义向量
• 4.3 图像语义的描述
• 4.4 现有的图像语义检索系统
• 4.5 图像检索中的相关反馈技术
• 4.6 基于 SVM 增量学习的相关反馈技术
• 4.6.1 传统的基于 SVM 的相关反馈算法
• 4.6.2 问题的提出
• 4.6.3 SVM 增量学习
• 第五章 实验方案及结果分析
• 5.1 仿真平台的搭建以及环境图像信息的提取
• 5.1.1 仿真平台的搭建
• 5.1.2 模拟环境图像信息的获取
• 5.2 图像处理
• 5.2.1 图像的边缘处理
• 5.2.2 图像的分割处理
• 5.2.3 图像颜色特征的提取
• 5.3 基于语义的图像识别
• 5.3.1 语义检索系统框架
• 5.3.2 实验结果
• 第六章 总结与展望
• 致谢
• 参考文献