基于边界矩的模糊神经网络图象识别
| 第1章 绪论 | 第1-17页 |
| ·选题的目的和意义 | 第9-10页 |
| ·图象识别技术的发展 | 第10页 |
| ·图象识别系统的构成 | 第10-15页 |
| ·图象预处理 | 第11-12页 |
| ·图象分割 | 第12页 |
| ·图象特征提取 | 第12-14页 |
| ·图象识别 | 第14-15页 |
| ·本文的主要内容 | 第15-17页 |
| 第2章 图象预处理 | 第17-28页 |
| ·图象二值化 | 第17-22页 |
| ·直方图方法和直方图变换法 | 第18-19页 |
| ·最优阈值分割法 | 第19-20页 |
| ·循环分割法 | 第20-21页 |
| ·本文选用的分割方法及实现 | 第21-22页 |
| ·形态学滤波 | 第22-24页 |
| ·形态学滤波的基本运算 | 第22-23页 |
| ·形态学滤波实验 | 第23-24页 |
| ·边缘提取 | 第24-26页 |
| ·边缘检测的方法 | 第24-26页 |
| ·边缘提取实验 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第3章 图象的矩不变量特征 | 第28-45页 |
| ·引言 | 第28-29页 |
| ·几何矩 | 第29-34页 |
| ·几何矩的定义和性质 | 第29-30页 |
| ·使用几何矩进行图象的形状描述 | 第30-33页 |
| ·矩函数的各种变换 | 第33-34页 |
| ·Hu矩不变量及其修正算法 | 第34-44页 |
| ·Hu矩不变量 | 第35-36页 |
| ·对图象不变矩特征的修正 | 第36页 |
| ·离散 Hu矩的提出 | 第36-41页 |
| ·边界矩 | 第41-42页 |
| ·边界矩与区域矩性能比较 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 模糊技术 | 第45-53页 |
| ·引言 | 第45-46页 |
| ·模糊技术的一些基本概念 | 第46-50页 |
| ·模糊集的概念 | 第46-47页 |
| ·模糊集合的表示方法 | 第47-48页 |
| ·隶属函数的建立 | 第48-50页 |
| ·模糊逻辑与神经网络 | 第50页 |
| ·模糊技术引入神经网络识别系统 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 神经网络目标识别 | 第53-64页 |
| ·人工神经网络发展概况 | 第53-54页 |
| ·神经网络的结构和类型 | 第54页 |
| ·神经元的学习算法 | 第54-55页 |
| ·神经网络的应用 | 第55页 |
| ·BP网络 | 第55-59页 |
| ·利用 BP网络对图像特征进行分类 | 第59-63页 |
| ·神经网络与模糊技术结合 | 第61-62页 |
| ·BP神经网络的参数设置 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 图象识别系统仿真及实验结果分析 | 第64-74页 |
| ·图象识别系统的构成 | 第64页 |
| ·仿真过程与结果分析 | 第64-70页 |
| ·抗噪声性能实验及结果分析 | 第70-73页 |
| ·本章小节 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第80-81页 |
| 致谢 | 第81页 |
