基于小波矩特征的小波神经网络目标识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·课题的研究背景和意义 | 第9-10页 |
| ·自动目标识别的研究现状 | 第10-14页 |
| ·小波矩和小波神经网络的研究现状 | 第14-17页 |
| ·小波矩的研究现状 | 第14-15页 |
| ·小波神经网络研究现状 | 第15-17页 |
| ·论文研究的主要内容 | 第17-18页 |
| 第二章 小波分析与小波矩 | 第18-31页 |
| ·小波分析的起源和发展概况 | 第18-20页 |
| ·小波分析 | 第20-26页 |
| ·小波分析的基本原理 | 第20-22页 |
| ·常用的小波函数 | 第22-26页 |
| ·小波矩 | 第26-29页 |
| ·小波矩是小波分析与矩的结合 | 第26-27页 |
| ·小波矩的基本原理 | 第27-29页 |
| ·小波及小波矩在目标识别中的应用 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 全局矩与小波矩的分析比较 | 第31-49页 |
| ·全局矩 | 第31-38页 |
| ·几何矩（Geometric moment） | 第31-33页 |
| ·Legendre矩 | 第33-34页 |
| ·Zernike矩 | 第34-37页 |
| ·旋转矩 | 第37页 |
| ·复数矩 | 第37页 |
| ·Chebyshev矩 | 第37-38页 |
| ·小波矩的计算方法 | 第38-43页 |
| ·基于小波逼近系数的图像小波矩 | 第38-40页 |
| ·基于小波变换模极大值方法构造的小波矩 | 第40-41页 |
| ·极坐标下的图像小波矩 | 第41-43页 |
| ·矩的物理意义及矩特征的比较 | 第43-44页 |
| ·全局矩与小波矩的实验结果与比较 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于小波矩特征的神经网络自动目标识别 | 第49-66页 |
| ·小波矩特征的神经网络目标识别算法原理 | 第49-50页 |
| ·基本原理 | 第49-50页 |
| ·原理框图 | 第50页 |
| ·小波矩特征的计算方法 | 第50-54页 |
| ·平移、比例、归一化 | 第50-53页 |
| ·极坐标化 | 第53页 |
| ·特征提取和选择 | 第53-54页 |
| ·基于BP神经网络目标识别 | 第54-57页 |
| ·人工神经网络简介 | 第54-56页 |
| ·BP神经网络算法 | 第56-57页 |
| ·基于小波神经网络目标识别 | 第57-60页 |
| ·小波神经网络简介 | 第57-58页 |
| ·小波神经网络结构、类型及特点 | 第58-60页 |
| ·小波神经网络和BP神经网络的实验结果与比较 | 第60-65页 |
| ·本章小节 | 第65-66页 |
| 第五章 总结与展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
