基于神经网络的图像识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 选题意义及研究背景 | 第9页 |
| 1.2 图像识别的研究历史及现状 | 第9-10页 |
| 1.3 神经网络图像识别方法的研究现状 | 第10-11页 |
| 1.4 论文的主要研究内容 | 第11页 |
| 1.5 本章小结 | 第11-12页 |
| 第2章 图像识别理论简介 | 第12-18页 |
| 2.1 图像识别的概念 | 第12-13页 |
| 2.2 基于图像的模式识别方法 | 第13-17页 |
| 2.2.1 统计模式识别方法 | 第13页 |
| 2.2.2 句法模式识别方法 | 第13-15页 |
| 2.2.3 模糊集模式识别方法 | 第15-16页 |
| 2.2.4 神经网络识别法 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 图像预处理技术及特征提取 | 第18-28页 |
| 3.1 图像的平滑 | 第18-19页 |
| 3.2 图像的锐化 | 第19-21页 |
| 3.3 图像边缘提取 | 第21-25页 |
| 3.3.1 Roberts算子 | 第21-22页 |
| 3.3.2 Prewitt算子 | 第22-23页 |
| 3.3.3 Sobel算子 | 第23-25页 |
| 3.4 图像的二值化 | 第25-26页 |
| 3.5 图像的特征提取 | 第26-27页 |
| 3.6 本章小结 | 第27-28页 |
| 第4章 人工神经网络理论简介 | 第28-35页 |
| 4.1 人工神经元 | 第28-30页 |
| 4.1.1 生物神经元模型 | 第28-29页 |
| 4.1.2 人工神经元模型 | 第29-30页 |
| 4.2 人工神经网络的结构 | 第30-32页 |
| 4.3 神经元的学习算法 | 第32-33页 |
| 4.3.1 神经网络的学习方式 | 第32页 |
| 4.3.2 神经网络的学习规则 | 第32-33页 |
| 4.4 基于神经网络的模式分类 | 第33-34页 |
| 4.5 本章小结 | 第34-35页 |
| 第5章 基于BP神经网络的图像识别 | 第35-52页 |
| 5.1 BP神经网络的算法简介 | 第35-41页 |
| 5.1.1 多层前向神经网络 | 第35-37页 |
| 5.1.2 BP神经网络的反向传播训练 | 第37-39页 |
| 5.1.3 BP算法的几种改进手段 | 第39-41页 |
| 5.2 BP神经网络结构设计 | 第41-43页 |
| 5.2.1 输入层和输出层的设计 | 第41-42页 |
| 5.2.2 隐含层的设计 | 第42-43页 |
| 5.3 BP神经网络的图像识别 | 第43-50页 |
| 5.3.1 实验样本库的建立 | 第43-45页 |
| 5.3.2 神经网络模型的建立 | 第45-46页 |
| 5.3.3 实验结果分析 | 第46-50页 |
| 5.4 本章小结 | 第50-52页 |
| 第6章 结论与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 作者简介 | 第57页 |
