| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 X 射线背散射技术 | 第9-10页 |
| 1.2.1 X 射线背散射探测原理 | 第9页 |
| 1.2.2 X 射线背散射成像对人体检查的应用 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 X 射线技术的研究现状 | 第10-11页 |
| 1.3.2 图像识别技术研究现状 | 第11-12页 |
| 1.4 本文研究的主要内容及各章节安排 | 第12-14页 |
| 第二章 人体图像预处理 | 第14-35页 |
| 2.1 人体图像去噪 | 第14-21页 |
| 2.1.1 噪声去除方法 | 第15-16页 |
| 2.1.2 CBS 图像中噪声处理 | 第16-18页 |
| 2.1.3 实验结果与分析 | 第18-21页 |
| 2.2 人体图像的分割 | 第21-34页 |
| 2.2.1 常用的阈值分割方法 | 第21-26页 |
| 2.2.2 改进的多层次图像阈值分割方法 | 第26-30页 |
| 2.2.3 实验结果与分析 | 第30-34页 |
| 2.3 小结 | 第34-35页 |
| 第三章 人体隐藏物体图像的特征提取 | 第35-47页 |
| 3.1 几种常见的图像特征提取方法 | 第35-37页 |
| 3.1.1 颜色特征提取 | 第35-36页 |
| 3.1.2 纹理特征提取 | 第36页 |
| 3.1.3 形状和结构特征提取 | 第36-37页 |
| 3.1.4 空间关系特征提取 | 第37页 |
| 3.2 形状特征方法 | 第37-40页 |
| 3.2.1 HU 不变矩 | 第37-39页 |
| 3.2.2 几何参数法 | 第39-40页 |
| 3.3 面向背散射人体图像的隐藏物形状特征表示方法 | 第40-46页 |
| 3.4 小结 | 第46-47页 |
| 第四章 基于 BP 神经网络的隐藏物体识别研究 | 第47-55页 |
| 4.1 模式分类技术 | 第47-49页 |
| 4.2 BP 神经网络简介及模型 | 第49-50页 |
| 4.3 BP 网络学习算法 | 第50-51页 |
| 4.4 BP 神经网络设计 | 第51-52页 |
| 4.5 BP 网络在隐藏物识别方面的应用及性能分析 | 第52-53页 |
| 4.6 小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 发表论文与参加科研情况 | 第61-62页 |
| 致谢 | 第62页 |