首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于图像序列的脉象识别

摘要第1-9页
ABSTRACT第9-11页
插图索引第11-13页
附表索引第13-14页
第1章 绪论第14-21页
   ·研究背景第14-18页
     ·脉诊仪的研究发展第14-15页
     ·脉象分析方法的研究发展第15-17页
     ·脉象分类方法的研究发展第17-18页
   ·本论文主要内容和贡献第18-19页
   ·论文结构及内容安排第19-21页
第2章 脉搏图像传感器改进及脉象模拟系统介绍第21-29页
   ·引言第21页
   ·脉搏图像传感器工作原理第21-24页
     ·传感器的设计原理第21-23页
     ·传感器的基本结构第23-24页
   ·原采集装置的不足第24页
   ·对采集装置的改进第24-26页
     ·镜头支架结构的改进第24页
     ·薄膜网格的改进第24页
     ·高速、高分辨率摄像头的选择第24-25页
     ·光源的选择第25页
     ·改进后的采集装置第25-26页
   ·脉象模拟系统介绍第26-28页
     ·脉象模拟系统的结构原理第26-27页
     ·脉象模拟系统的功能及技术指标的实现第27-28页
   ·脉搏图像信息采集流程第28-29页
第3章 脉搏图像的采集和处理分析第29-46页
   ·脉搏动态图像采集第29-30页
   ·脉搏图像处理第30-32页
   ·脉搏二维图像分析及特征提取第32-40页
     ·脉搏二维图像空间域分析及特征提取第32-34页
     ·脉搏二维图像频率域分析及特征提取第34-40页
   ·脉搏三维图像重构及特征提取第40-44页
     ·脉搏三维图像重构第40-42页
     ·脉搏三维图像的特征提取第42-44页
   ·本章小结第44-46页
第4章 脉象的分类与识别第46-61页
   ·基于概率神经网络(PNN)的脉象分类第46-48页
     ·PNN的概述第46-47页
     ·PNN模型的创建和应用第47-48页
     ·PNN的测试结果第48页
   ·基于自组织特征映射神经网络(SOM)的脉象分类第48-50页
     ·SOM的概述第48-49页
     ·SOM模型的创建和应用第49页
     ·SOM的测试结果第49-50页
   ·基于反向传播神经网络(BP)的脉象识别第50-57页
     ·BP网络的概述第50-51页
     ·BP网络模型的创建和应用第51-53页
     ·BP网络的测试结果第53-57页
   ·基于Elman回归神经网络(Elman)的脉象识别第57-60页
     ·Elman网络的概述第57-58页
     ·Elman网络模型的创建和应用第58-59页
     ·Elman网络的测试结果第59-60页
   ·本章小结第60-61页
第5章 结论与展望第61-64页
参考文献第64-68页
致谢第68-69页
附录A 攻读硕士学位期间发表的学术论文目录第69页

论文共69页,点击 下载论文
上一篇:基于表观的二维手势识别方法研究
下一篇:基于PSO的粒子滤波在目标跟踪中的应用