基于双谱切片的纹理图像识别研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-30页 |
| ·纹理的定义 | 第11-12页 |
| ·纹理描述的方法 | 第12-27页 |
| ·纹理描述的统计方法 | 第13-18页 |
| ·纹理描述的能量方法 | 第18-20页 |
| ·纹理描述的结构方法 | 第20-21页 |
| ·纹理描述的频谱方法 | 第21-26页 |
| ·纹理描述的模型方法 | 第26-27页 |
| ·纹理识别的研究现状 | 第27-28页 |
| ·课题研究的主要内容及结构安排 | 第28-30页 |
| 第2章 双谱的理论基础 | 第30-42页 |
| ·引言 | 第30-31页 |
| ·累积量与高阶谱的定义 | 第31-34页 |
| ·随机变量的特征函数 | 第31页 |
| ·矩的定义 | 第31-32页 |
| ·累积量的定义 | 第32-33页 |
| ·高阶谱的定义 | 第33-34页 |
| ·累积量与高阶谱的性质 | 第34-37页 |
| ·累积量的性质 | 第34-35页 |
| ·双谱的性质 | 第35-37页 |
| ·双谱的实现 | 第37-39页 |
| ·直接法 | 第37页 |
| ·间接法 | 第37-39页 |
| ·双谱特征提取 | 第39-42页 |
| ·双谱一维切片研究 | 第39-42页 |
| 第3章 BP 神经网络分类器的设计 | 第42-53页 |
| ·引言 | 第42-43页 |
| ·BP 网络结构 | 第43-44页 |
| ·BP 学习算法 | 第44-47页 |
| ·BP 算法的改进 | 第47-51页 |
| ·最速下降BP 算法 | 第47-48页 |
| ·动量BP 算法 | 第48页 |
| ·学习率可变的BP 算法 | 第48-49页 |
| ·弹性BP 算法 | 第49页 |
| ·变梯度算法 | 第49-50页 |
| ·拟牛顿算法 | 第50-51页 |
| ·LM 算法 | 第51页 |
| ·BP 网络学习算法的比较 | 第51-53页 |
| 第4章 基于双谱切片和BP 神经网络的纹理识别 | 第53-64页 |
| ·特征提取 | 第53-55页 |
| ·BP 神经网络的设计 | 第55-57页 |
| ·实验结果及分析 | 第57-64页 |
| 总结与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第70页 |
