| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| §1-1 目标图像识别研究的背景和意义 | 第8页 |
| §1-2 目标图像识别技术的发展概述 | 第8-9页 |
| §1-3 图像拼接技术的发展状况 | 第9-10页 |
| §1-4 论文的主要研究内容 | 第10-12页 |
| 1-4-1 识别系统硬件平台的建立 | 第10-11页 |
| 1-4-2 识别系统理论实现过程 | 第11-12页 |
| §1-5 本章小结 | 第12-13页 |
| 第二章 图像拼接技术概括和实现 | 第13-31页 |
| §2-1 图像拼接的综述 | 第13页 |
| §2-2 图像的采集和预处理 | 第13-18页 |
| 2-2-1 图像的采集 | 第14页 |
| 2-2-2 图像的预处理 | 第14-18页 |
| §2-3 图像的配准 | 第18-20页 |
| 2-3-1 图像配准的内容 | 第19页 |
| 2-3-2 图像配准的常用方法 | 第19-20页 |
| §2-4 图像的融合 | 第20-22页 |
| 2-4-1 图像融合技术的层次划分 | 第20页 |
| 2-4-2 图像融合的常用方法 | 第20-22页 |
| §2-5 图像拼接的实现 | 第22-30页 |
| 2-5-1 目标图像的小波变换 | 第22-25页 |
| 2-5-2 目标图像的特征提取 | 第25-27页 |
| 2-5-3 目标图像的配准实现 | 第27-29页 |
| 2-5-4 目标图像的融合实现 | 第29-30页 |
| §2-6 本章小结 | 第30-31页 |
| 第三章 基于人工神经网络的目标识别研究 | 第31-49页 |
| §3-1 人工神经网络的发展历程和应用 | 第31-32页 |
| §3-2 BP 神经网络及其算法原理 | 第32-41页 |
| 3-2-1 BP 神经元模型以及网络结构 | 第33-34页 |
| 3-2-2 BP 神经网络学习算法 | 第34-38页 |
| 3-2-3 BP 算法的实现过程 | 第38-39页 |
| 3-2-4 BP 神经网络存在的缺陷与改进 | 第39-41页 |
| §3-3 目标图像识别的BP 神经网络结构设计 | 第41-42页 |
| 3-3-1 神经网络层数的确定 | 第41-42页 |
| 3-3-2 神经网络各层节点数的确定 | 第42页 |
| §3-4 目标图像多特征提取 | 第42-44页 |
| §3-5 BP 神经网络目标识别的实现 | 第44-48页 |
| 3-5-1 BP 网络训练样本集的构建 | 第44-45页 |
| 3-5-2 BP 网络的构建和训练 | 第45-47页 |
| 3-5-3 BP 网络的验证过程 | 第47-48页 |
| §3-6 本章小结 | 第48-49页 |
| 第四章 基于 LabVIEW 的目标识别系统的实现 | 第49-58页 |
| §4-1 系统的软件开发 | 第49页 |
| §4-2 软件结构设计 | 第49-50页 |
| §4-3 识别系统的主题界面和功能 | 第50-57页 |
| 4-3-1 图像的输入模块建立 | 第51-52页 |
| 4-3-2 图像的拼接模块建立 | 第52页 |
| 4-3-3 BP 神经网络的训练 | 第52-54页 |
| 4-3-4 BP 神经网络的识别过程 | 第54-57页 |
| §4-4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| §5-1 总结 | 第58页 |
| §5-2 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间所取得的相关科研成果 | 第64页 |