基于复杂网络的图像目标识别方法研究
摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
目录 | 第9-12页 |
CONTENTS | 第12-15页 |
第一章 绪论 | 第15-25页 |
1.1 目标识别的研究背景与意义 | 第15-17页 |
1.2 国内外研究现状及发展趋势 | 第17-23页 |
1.2.1 目标识别问题研究现状 | 第17-18页 |
1.2.2 目标识别方法分类 | 第18-21页 |
1.2.3 目标识别问题的难点及算法特性 | 第21-22页 |
1.2.4 目标识别问题研究新领域 | 第22-23页 |
1.3 本文的主要工作及章节安排 | 第23-25页 |
第二章 基础知识 | 第25-37页 |
2.1 复杂网络概念 | 第25-29页 |
2.2 复杂网络基本参数 | 第29-30页 |
2.3 复杂网络性质相关研究及其重要性 | 第30-31页 |
2.4 复杂网络图像建模的主要概念 | 第31-33页 |
2.4.1 度 | 第32页 |
2.4.2 平均度 | 第32页 |
2.4.3 最大度 | 第32页 |
2.4.4 最小度 | 第32页 |
2.4.5 度的方差 | 第32页 |
2.4.6 聚类系数 | 第32-33页 |
2.5 Canny算子 | 第33-34页 |
2.6 节点间距离计算 | 第34-36页 |
2.7 本章小结 | 第36-37页 |
第三章 基于复杂网络的图像形状轮廓识别方法 | 第37-50页 |
3.1 引言 | 第37-38页 |
3.2 基于复杂网络的目标识别方法研究现状 | 第38-40页 |
3.3 基于复杂网络的图像形状轮廓识别方法 | 第40-47页 |
3.3.1 图像形状轮廓的复杂网络建模 | 第40-42页 |
3.3.2 网络模型动态演化 | 第42-45页 |
3.3.3 识别参数提取方法 | 第45-46页 |
3.3.4 形状识别 | 第46-47页 |
3.4 阈值参数确定方法 | 第47-48页 |
3.5 本章小结 | 第48-50页 |
第四章 识别方法特性DTD方法有效性分析 | 第50-66页 |
4.1 网络识别参数意义及其分析方法 | 第50-52页 |
4.2 旋转及平移不变性分析 | 第52-53页 |
4.3 缩放不变性分析 | 第53-54页 |
4.4 模型容噪性分析 | 第54-57页 |
4.4.1 噪声干扰 | 第55-56页 |
4.4.2 断点干扰 | 第56-57页 |
4.5 仿真实验 | 第57-65页 |
4.5.1 复杂网络特性分析实验 | 第58-62页 |
4.5.2 距离阈值确定方法(DTD)有效性分析 | 第62-65页 |
4.6 本章小结 | 第65-66页 |
第五章 基于复杂网络的灰度图像目标识别方法 | 第66-79页 |
5.1 引言 | 第66-67页 |
5.2 灰度图像轮廓提取方法概述 | 第67-68页 |
5.3 基于复杂网络的灰度图像识别方法 | 第68-76页 |
5.3.1 灰度图像形状轮廓及灰度轮廓提取方法 | 第69-71页 |
5.3.2 灰度图像复杂网络建模 | 第71-72页 |
5.3.3 灰度图像识别参数提取方法 | 第72-75页 |
5.3.4 灰度图像识别方法 | 第75-76页 |
5.4 关于识别方法效率的简单分析 | 第76-77页 |
5.5 本章小结 | 第77-79页 |
第六章 基于复杂网络识别方法的仿真实验 | 第79-105页 |
6.1 仿真实验介绍 | 第79-84页 |
6.1.1 实验软硬件环境介绍 | 第79页 |
6.1.2 实验数据库介绍 | 第79-84页 |
6.2 形状轮廓识别实验 | 第84-92页 |
6.2.1 仿真实验相关数据设定 | 第84-86页 |
6.2.2 静态轮廓图像识别实验 | 第86页 |
6.2.3 动态轮廓图像识别实验 | 第86-92页 |
6.3 灰度图像识别实验 | 第92-104页 |
6.3.1 仿真实验流程及数据设定 | 第92-96页 |
6.3.2 识别方法存储空间和时间开销分析 | 第96-99页 |
6.3.3 识别结果分析 | 第99-104页 |
6.4 本章小结 | 第104-105页 |
总结与展望 | 第105-108页 |
参考文献 | 第108-117页 |
攻读博士学位期间发表、录用和完成的论文 | 第117-119页 |
致谢 | 第119-120页 |
附录1 符号说明 | 第120页 |