基于神经网络的目标图像识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·本课题研究的科学意义与应用前景 | 第8-10页 |
| ·本课题当前国内外研究现状及分析 | 第10-14页 |
| ·图像处理和识别的发展历史分析 | 第10页 |
| ·图像处理和模式识别的国内外现状及发展 | 第10-14页 |
| ·本课题研究的基本任务与要求 | 第14页 |
| ·本课题研究的重要内容、获得的成果以及所作的贡献 | 第14-15页 |
| ·小结 | 第15-16页 |
| 第二章 图像处理与模式识别的原理及方法研究 | 第16-24页 |
| ·图像处理与模式识别系统的原理框图和计算模型 | 第16-18页 |
| ·图像处理与模式识别系统的原理框图 | 第16-17页 |
| ·图像处理与模式识别系统的计算模型 | 第17-18页 |
| ·图像处理与模式识别方法简介 | 第18-23页 |
| ·图像处理及计算机视觉技术 | 第18-19页 |
| ·模式识别 | 第19-23页 |
| ·课题研究的目标 | 第23页 |
| ·课题研究的难点分析与研究思路 | 第23页 |
| ·小结 | 第23-24页 |
| 第三章 飞机目标识别的前期处理 | 第24-48页 |
| ·图像预处理 | 第24-27页 |
| ·平滑 | 第24页 |
| ·滤波 | 第24-26页 |
| ·图像锐化 | 第26-27页 |
| ·图像边缘检测 | 第27-41页 |
| ·图像边缘检测的基本概念 | 第27-29页 |
| ·边缘检测算法的一般步骤 | 第29-30页 |
| ·边缘检测 | 第30-41页 |
| ·飞机图像的图像分割 | 第41-47页 |
| ·飞机图像的迭代阈值分割 | 第41-43页 |
| ·飞机图像的二值化 | 第43-47页 |
| ·小结 | 第47-48页 |
| 第四章 飞机图像的特征提取 | 第48-54页 |
| ·概述 | 第48-53页 |
| ·不变矩的基本概念 | 第48-51页 |
| ·不变矩的计算方法和计算结果 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第五章 飞机目标识别的后期处理 | 第54-88页 |
| ·基于人工神经网络的模式识别技术 | 第54-60页 |
| ·人工神经网络概述 | 第54-55页 |
| ·人工神经网络的一般模型 | 第55-60页 |
| ·BP神经网络 | 第60-72页 |
| ·BP网络结构及BP算法回顾 | 第60-65页 |
| ·BP算法的改进以及在本系统中的应用 | 第65-68页 |
| ·BP网络的实验及其结果与分析 | 第68-72页 |
| ·自组织特征映射神经网络 | 第72-79页 |
| ·自组织特征映射网络的结构 | 第72-74页 |
| ·Kohonen网络算法及识别机理 | 第74-75页 |
| ·Kohonen网络和多层前馈网络组分类算法 | 第75-79页 |
| ·支持向量机 | 第79-87页 |
| ·支持向量机概述 | 第79页 |
| ·VC维及结构风险最小化 | 第79-80页 |
| ·最优分类面 | 第80-84页 |
| ·基于支持向量机的空战目标识别中及结果分析 | 第84-87页 |
| ·小结 | 第87-88页 |
| 第六章 总结和展望 | 第88-90页 |
| ·本文的主要工作 | 第88页 |
| ·后续研究工作 | 第88-90页 |
| 致谢 | 第90-91页 |
| 攻读硕士学位期间发表的主要论文 | 第91-92页 |
| 参考文献 | 第92-94页 |
