沙粒跳跃运动轨迹的计算机识别
| 第—章 绪论 | 第1-13页 |
| 1．1 课题背景 | 第6-7页 |
| 1．2 数字图象处理概述 | 第7-9页 |
| 1．2．1 图象处理技术的分类 | 第7-8页 |
| 1．2．2 数字图象处理的特点 | 第8页 |
| 1．2．3 数字图象处理方法 | 第8-9页 |
| 1．2．4 数字图象处理的主要内容 | 第9页 |
| 1．3 任务分析 | 第9-13页 |
| 第二章 预处理 | 第13-34页 |
| 2．1 数字化 | 第13-14页 |
| 2．2 灰度图 | 第14-15页 |
| 2．3 图象增强 | 第15-34页 |
| 2．3．1 直方图均衡化处理 | 第16-18页 |
| 2．3．2 小波变换 | 第18-34页 |
| 第三章 图象分割 | 第34-58页 |
| 3．1 阈值分割 | 第34-37页 |
| 3．1．1 p—title法 | 第35页 |
| 3．1．2 2—mode法 | 第35页 |
| 3．1．3 最小误差法 | 第35-36页 |
| 3．1．4 最大类间方差法 | 第36-37页 |
| 3．2 数学形态学方法 | 第37-40页 |
| 3．3 投影变换 | 第40-41页 |
| 3．4 边缘提取 | 第41-47页 |
| 3．4．1 卷积运算 | 第41-43页 |
| 3．4．2 拉普拉斯边缘提取 | 第43-45页 |
| 3．4．3 其它边缘检测方法 | 第45-46页 |
| 3．4．4 处理结果比较 | 第46-47页 |
| 3．5 细化 | 第47-48页 |
| 3．6 Houph变换 | 第48-50页 |
| 3．7 几何变换 | 第50-55页 |
| 3．7．1 旋转变换 | 第51-53页 |
| 3．7．2 灰度级插值 | 第53-55页 |
| 3．8 样板匹配 | 第55-58页 |
| 3．8．1 差分运算 | 第55-57页 |
| 3．8．2 样板匹配法 | 第57-58页 |
| 第四章 标尺数字的识别 | 第58-78页 |
| 4．1 确定待识别数字 | 第58页 |
| 4．2 图象匹配 | 第58-63页 |
| 4．2．1 模式的相似性度量和距离 | 第59-60页 |
| 4．2．2 模板匹配法 | 第60-62页 |
| 4．2．3 金字塔方法 | 第62-63页 |
| 4．2．4 识别结果 | 第63页 |
| 4．3 神经网络模式识别 | 第63-78页 |
| 4．3．1 介绍 | 第63-64页 |
| 4．3．2 特征的选择与抽取 | 第64-65页 |
| 4．3．3 利用BP神经网络进行分类与学习 | 第65-74页 |
| 4．3．4 学习与识别 | 第74-75页 |
| 4．3．5 用Visual C++实现 | 第75-76页 |
| 4．3．6 识别结果 | 第76-78页 |
| 第五章 实验结果及分析 | 第78-82页 |
| 参考文献 | 第82-85页 |
| 致谢 | 第85页 |
