复杂背景下目标图像识别技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·课题背景、目的及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文研究内容 | 第12-14页 |
| ·本章小结 | 第14-15页 |
| 2 图像预处理 | 第15-30页 |
| ·引言 | 第15页 |
| ·中值滤波 | 第15-16页 |
| ·图像分割 | 第16-21页 |
| ·阈值分割原理 | 第17-18页 |
| ·阈值选取方法 | 第18-21页 |
| ·基于数学形态学的处理 | 第21-23页 |
| ·数学形态学概述 | 第21页 |
| ·腐蚀和膨胀 | 第21-22页 |
| ·开运算和闭运算 | 第22-23页 |
| ·数学形态学在本文应用 | 第23页 |
| ·边缘检测 | 第23-28页 |
| ·边缘检测概述 | 第23-24页 |
| ·一阶微分边缘检测 | 第24-26页 |
| ·二阶微分边缘检测 | 第26-27页 |
| ·边缘检测实验结果 | 第27-28页 |
| ·轮廓跟踪 | 第28页 |
| ·区域填充 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 特征提取与选择 | 第30-39页 |
| ·引言 | 第30页 |
| ·目标特征提取 | 第30-37页 |
| ·目标的表达 | 第30-32页 |
| ·特征提取 | 第32-37页 |
| ·特征选取 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于BP神经网络的目标模式识别 | 第39-53页 |
| ·引言 | 第39页 |
| ·人工神经网络 | 第39-42页 |
| ·人工神经元的基本模型 | 第39-40页 |
| ·人工神经网络的拓扑结构和分类 | 第40-41页 |
| ·人工神经网络的特点 | 第41-42页 |
| ·BP神经网络模型及其算法 | 第42-48页 |
| ·BP训练算法原理 | 第42-46页 |
| ·BP算法的改进 | 第46-48页 |
| ·BP神经网络在目标识别中的应用 | 第48-50页 |
| ·确定BP神经网络的输入与输出 | 第48页 |
| ·网络结构的选择 | 第48-49页 |
| ·网络的训练和检验 | 第49-50页 |
| ·实验结果 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 5 基于投票的多分类器集成的目标模式识别 | 第53-67页 |
| ·引言 | 第53-54页 |
| ·多分类器集成的结构 | 第54-56页 |
| ·多分类器集成的算法 | 第56-58页 |
| ·多分类器集成提高分类精度的方法 | 第58-59页 |
| ·基于投票的多分类器集成 | 第59-64页 |
| ·基于投票的多分类器集成的一般算法 | 第60-61页 |
| ·一种改进的基于投票的多分类器集成算法 | 第61-64页 |
| ·实验结果分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| ·结论 | 第67页 |
| ·问题与展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第74-75页 |
| 致谢 | 第75页 |
