基于维纳滤波及BP神经网络的光学相关识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·引言 | 第8-9页 |
| ·两种相关识别方法的国内外研究现状 | 第9-11页 |
| ·两种相关识别技术的改进 | 第9-10页 |
| ·对图像进行预处理 | 第10页 |
| ·旋转及尺度变化图像的识别 | 第10-11页 |
| ·本论文的目的及意义 | 第11-12页 |
| ·本论文的研究内容和结构 | 第12-13页 |
| 第2章 图像的预处理方法的研究 | 第13-26页 |
| ·引言 | 第13页 |
| ·图像增强 | 第13-18页 |
| ·直方图增强 | 第13-15页 |
| ·对比度增强 | 第15-16页 |
| ·平滑滤波 | 第16-18页 |
| ·边缘提取 | 第18-19页 |
| ·频域滤波 | 第19-25页 |
| ·低通滤波 | 第20-23页 |
| ·高通滤波 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 维纳滤波在相关识别中的应用 | 第26-40页 |
| ·维纳滤波器的算法及实现方法 | 第26-28页 |
| ·相关识别中的维纳滤波算法 | 第26-27页 |
| ·维纳滤波器的实现方法 | 第27-28页 |
| ·维纳滤波在相关识别中的应用 | 第28-39页 |
| ·维纳滤波在非噪声下的识别 | 第28-29页 |
| ·基于维纳滤波器的旋转识别 | 第29-32页 |
| ·维纳滤波器背景的选择 | 第32-35页 |
| ·对噪声图像的维纳滤波 | 第35-37页 |
| ·对多目标进行识别 | 第37-38页 |
| ·维纳滤波应用于体全息相关识别 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于BP神经网络的相关识别结果后处理 | 第40-52页 |
| ·神经网络简介 | 第40-42页 |
| ·BP神经网络算法 | 第42-46页 |
| ·BP神经网络结构 | 第42-44页 |
| ·标准BP神经网络算法 | 第44-46页 |
| ·基于BP神经网络的相关识别结果后处理 | 第46-51页 |
| ·训练样本的处理 | 第46-47页 |
| ·神经网络结构的确定 | 第47-48页 |
| ·对模拟实验结果的测试 | 第48-50页 |
| ·对体全息相关识别结果进行后处理 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间所发表的学术论文 | 第56-58页 |
| 致谢 | 第58页 |
