| 摘 要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪 论 | 第8-11页 |
| ·小波分析理论与应用 | 第8-9页 |
| ·小波分析发展概述 | 第8页 |
| ·小波分析应用进展 | 第8页 |
| ·小波分析在特征提取方面的应用 | 第8-9页 |
| ·本文的主要内容及安排 | 第9-11页 |
| ·主要内容 | 第9页 |
| ·结构安排 | 第9-11页 |
| 第二章 数学工具 | 第11-18页 |
| ·Fourier分析 | 第11-12页 |
| ·离散Fourier变换(DFT) | 第11页 |
| ·快速Fourier变换(FFT) | 第11-12页 |
| ·窗口Fourier变换(WFT)基本思想 | 第12页 |
| ·小波分析 | 第12-18页 |
| ·连续小波变换 | 第13页 |
| ·离散小波变换 | 第13-14页 |
| ·多分辨分析 | 第14-15页 |
| ·小波变换的快速算法 | 第15-16页 |
| ·本文选用的小波简介 | 第16-18页 |
| 第三章 二维图像识别中不变特征与识别方法 | 第18-34页 |
| ·模式识别概述 | 第18-20页 |
| ·模式识别的基本概念 | 第18-19页 |
| ·模式识别系统 | 第19页 |
| ·模式识别的主要理论和方法 | 第19-20页 |
| ·特征不变量概述 | 第20-24页 |
| ·同心圆圆环面积比 | 第21页 |
| ·矩 | 第21-22页 |
| ·Fourier描绘算子 | 第22-23页 |
| ·通过Fourier系数提取的形状特征 | 第23-24页 |
| ·距离函数模式分类 | 第24-27页 |
| ·神经网络模式识别 | 第27-34页 |
| ·人工神经网络简介 | 第27-28页 |
| ·人工神经网络的结构、类型及特点 | 第28-29页 |
| ·BP网络 | 第29-31页 |
| ·神经网络模式识别概述 | 第31-34页 |
| 第四章 基于多分辨分析的特征提取与目标识别 | 第34-51页 |
| ·引言 | 第34页 |
| ·基于线性矩和多分辨正交基的目标识别 | 第34-39页 |
| ·线性矩的构造 | 第34-36页 |
| ·正交基扩展(The Orthonormal Shell Expansion) | 第36-37页 |
| ·特征量的构造 | 第37页 |
| ·仿真实验 | 第37-39页 |
| ·基于线性矩和小波变换的目标识别 | 第39-51页 |
| ·算法介绍 | 第39-41页 |
| ·仿真实验 | 第41-44页 |
| ·神经网络识别系统的子系统的选择与训练 | 第44-51页 |
| 第五章 小波矩在二维图像识别中的应用 | 第51-58页 |
| ·引言 | 第51页 |
| ·小波矩构造 | 第51-54页 |
| ·图像归一化: | 第53-54页 |
| ·图像极坐标化 | 第54页 |
| ·通过傅立叶变换和小波变换获取特征 | 第54页 |
| ·分类识别 | 第54-58页 |
| ·特征提取的结果 | 第54-55页 |
| ·最小距离分类器分类结果 | 第55-56页 |
| ·神经网络分类结果 | 第56-58页 |
| 第六章 结论 | 第58-59页 |
| 致 谢 | 第59-60页 |
| 参 考 文 献 | 第60-62页 |
| 作者在攻读硕士期间发表的学术论文 | 第62页 |