基于人工神经网络的图像识别方法研究
摘要 | 第1-4页 |
Abstract | 第4-8页 |
第一章 绪论 | 第8-15页 |
·图像处理的发展及现状 | 第8-9页 |
·模式识别介绍 | 第9-12页 |
·图像处理与模式识别的原理及方法 | 第12-13页 |
·图像处理与模式识别系统的原理框图和计算模型 | 第12页 |
·图像处理与模式识别系统的计算模型 | 第12-13页 |
·本文研究工作 | 第13-14页 |
·小结 | 第14-15页 |
第二章 图像识别的前期处理 | 第15-28页 |
·图像边缘检测 | 第15-23页 |
·图像边缘检测的基本概念 | 第15-16页 |
·边缘检测算子 | 第16-23页 |
·罗伯特(Robert)算子 | 第17-20页 |
·普瑞维特(Prewitt)算子 | 第20-21页 |
·高斯—拉普拉斯算子 | 第21-23页 |
·图像的二值化 | 第23-27页 |
·小结 | 第27-28页 |
第三章 图像的特征提取 | 第28-35页 |
·不变矩的概述 | 第28-34页 |
·不变矩的计算机方法 | 第28-31页 |
·不变矩的计算结果 | 第31-34页 |
·小结 | 第34-35页 |
第四章 基于人工神经网络的图像识别 | 第35-55页 |
·人工神经网络概述 | 第35-39页 |
·神经元模型的提出 | 第35-36页 |
·人工神经网络的特点 | 第36-37页 |
·几种典型神经网络简介 | 第37-39页 |
·BP神经网络研究 | 第39-48页 |
·BP网络结构 | 第39-42页 |
·输入层和输出层的设计 | 第40-41页 |
·隐含层的设计 | 第41-42页 |
·BP算法研究 | 第42-48页 |
·基本 BP算法 | 第42-44页 |
·BP算法存在的缺陷 | 第44-45页 |
·BP算法的改进方法研究 | 第45-48页 |
·一种改进的BP算法 | 第48-49页 |
·改进算法原理 | 第48-49页 |
·计算机仿真 | 第49页 |
·一种改进的遗传BP算法 | 第49-53页 |
·遗传算法(GA)概述 | 第49-52页 |
·改进算法原理 | 第52-53页 |
·实验结果及分析 | 第53-54页 |
·小结 | 第54-55页 |
第五章 基于神经网络集成的图像识别 | 第55-64页 |
·神经网络集成概述 | 第55-58页 |
·个体分类器 | 第58-60页 |
·个体分类器的要求 | 第58页 |
·个体分类器的生成 | 第58-59页 |
·个体分类器的组合 | 第59-60页 |
·Bagging | 第60-61页 |
·Boosting | 第61-62页 |
·实验结果及分析 | 第62-63页 |
·小结 | 第63-64页 |
第六章 基于支持向量机的图像识别 | 第64-75页 |
·支持向量机概述 | 第64-71页 |
·理论背景 | 第64-66页 |
·方法介绍 | 第66-70页 |
·实现算法 | 第70-71页 |
·多类支持向量机 | 第71-73页 |
·一对多方法 | 第71-72页 |
·一对一方法 | 第72页 |
·有向无环图 | 第72-73页 |
·实验结果及分析 | 第73-74页 |
·小结 | 第74-75页 |
总结与展望 | 第75-76页 |
参考文献 | 第76-80页 |
发表论文和参加科研情况说明 | 第80-81页 |
致谢 | 第81页 |