利用神经网络实现三维飞机目标识别
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·计算机视觉 | 第9-10页 |
| ·计算机视觉的发展 | 第10-11页 |
| ·选题依据 | 第11-12页 |
| ·国内外现状分析 | 第12页 |
| ·图像识别技术的发展 | 第12-13页 |
| ·采用神经网络方法的原因 | 第13-14页 |
| ·本文的工作 | 第14-15页 |
| 第二章 飞机图像的预处理 | 第15-29页 |
| ·数字图像处理技术的概况 | 第15-16页 |
| ·数字图像处理技术的发展与应用 | 第15页 |
| ·数字图像处理技术的特点 | 第15-16页 |
| ·数字图像处理的内容和步骤 | 第16-17页 |
| ·数字图像处理的内容有以下几个方面 | 第16页 |
| ·数字图像处理的步骤 | 第16-17页 |
| ·飞机图像的前处理 | 第17-22页 |
| ·飞机图像的灰度修正 | 第18-19页 |
| ·飞机图像的平滑 | 第19页 |
| ·飞机图像的滤波 | 第19-22页 |
| ·飞机图像分割处理 | 第22-28页 |
| ·图像二值化 | 第22-25页 |
| ·阈值选择 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 飞机目标的特征提取 | 第29-43页 |
| ·目标特征提取的概念 | 第29-31页 |
| ·特征的特点 | 第29-30页 |
| ·特征的分类 | 第30页 |
| ·特征提取的步骤 | 第30-31页 |
| ·类别可分离性判据 | 第31-32页 |
| ·飞机图像特征的提取 | 第32-37页 |
| ·几何特征 | 第32-34页 |
| ·傅立叶描述子 | 第34-36页 |
| ·交比 | 第36-37页 |
| ·矩方法 | 第37-42页 |
| ·矩的概念和分类 | 第37-40页 |
| ·把Hu矩组用于目标识别及实验结果 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 飞机目标的识别和分类 | 第43-59页 |
| ·模式识别综述 | 第43-44页 |
| ·模式识别的概念 | 第43页 |
| ·模式识别系统 | 第43-44页 |
| ·分类识别 | 第44-45页 |
| ·人工神经网络识别法 | 第45-54页 |
| ·人工神经网络模型 | 第47-48页 |
| ·人工神经网络特点 | 第48-49页 |
| ·人工神经网络学习规则 | 第49-50页 |
| ·BP神经网络模型 | 第50-54页 |
| ·飞机目标识别系统 | 第54-56页 |
| ·BP网络模型的建立 | 第54-55页 |
| ·网络训练 | 第55页 |
| ·本系统所采用算法 | 第55-56页 |
| ·识别结果与分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 结束语 | 第59-61页 |
| ·本文主要工作和结果 | 第59-60页 |
| ·后续工作展望 | 第60-61页 |
| 学术论文发表情况 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
