基于模糊神经网络的车型识别技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题研究的背景 | 第9-10页 |
| ·课题研究的意义 | 第10-11页 |
| ·车型识别的国内外研究现状 | 第11-14页 |
| ·国外研究现状 | 第11-13页 |
| ·国内研究现状 | 第13-14页 |
| ·本文研究的主要内容 | 第14-15页 |
| 第2章 模式识别技术 | 第15-28页 |
| ·模式识别概述 | 第15-16页 |
| ·模糊逻辑 | 第16-19页 |
| ·模糊集 | 第17页 |
| ·隶属度函数 | 第17-18页 |
| ·语言变量 | 第18-19页 |
| ·BP人工神经网络 | 第19-23页 |
| ·BP网络结构 | 第20-21页 |
| ·BP网络的特性 | 第21页 |
| ·BP神经网络的算法描述 | 第21-22页 |
| ·BP算法的改进 | 第22-23页 |
| ·模糊神经网络 | 第23-27页 |
| ·模糊系统和神经网络的融合 | 第23-24页 |
| ·模糊神经元 | 第24-26页 |
| ·模糊神经网络的结构 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于视频图像的车辆检测与特征提取 | 第28-51页 |
| ·车型分类标准 | 第28页 |
| ·视频流中运动车辆的检测和定位 | 第28-34页 |
| ·常用的运动目标检测方法 | 第29-30页 |
| ·背景差分法检测运动车辆 | 第30-33页 |
| ·背景图像的更新 | 第33-34页 |
| ·车辆图像的处理 | 第34-44页 |
| ·车辆图像的二值化处理 | 第34-36页 |
| ·车辆图像的滤波去噪 | 第36-39页 |
| ·车辆图像的形态学处理 | 第39-40页 |
| ·车辆图像的边缘检测 | 第40-44页 |
| ·车辆特征选择与提取 | 第44-49页 |
| ·车辆特征的选择 | 第44-45页 |
| ·伪Zernike矩特征提取 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 第4章 车型识别模型设计与仿真 | 第51-64页 |
| ·训练样本的选取 | 第51页 |
| ·模糊神经网络模型的设计 | 第51-57页 |
| ·网络输入输出的确定 | 第51-52页 |
| ·输入变量的映射 | 第52-54页 |
| ·模糊隶属函数的确定 | 第54页 |
| ·模糊推理规则的建立 | 第54-55页 |
| ·模糊神经网络的结构模型 | 第55-56页 |
| ·模糊神经网络的学习 | 第56-57页 |
| ·模型仿真与结果分析 | 第57-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| ·全文总结 | 第64-65页 |
| ·研究展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
