小波矩算法在图像识别中的应用研究
| 第一章 绪论 | 第1-16页 |
| ·引言 | 第8页 |
| ·国内外研究现状和发展趋势 | 第8-9页 |
| ·基于图像的自动目标识别系统的组成 | 第9-14页 |
| ·传感器成像技术概述 | 第9-11页 |
| ·图像预处理 | 第11页 |
| ·图像分割 | 第11-12页 |
| ·图像特征提取 | 第12页 |
| ·图像识别 | 第12-14页 |
| ·本文的主要内容 | 第14-16页 |
| 第二章 传统不变矩算法的研究 | 第16-30页 |
| ·引言 | 第16-17页 |
| ·几何矩 | 第17-23页 |
| ·矩的概念 | 第17页 |
| ·矩的物理意义 | 第17-20页 |
| ·矩的有关变换 | 第20-23页 |
| ·Hu矩 | 第23-26页 |
| ·图像的不变矩特征表示 | 第23-24页 |
| ·对图像不变矩特征的修正 | 第24-26页 |
| ·Zernike不变矩 | 第26-28页 |
| ·Zernike矩的概念 | 第26-27页 |
| ·Zernike矩有关性质 | 第27-28页 |
| ·角度矩 | 第28页 |
| ·标准矩 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 小波矩不变量在目标识别中的应用研究 | 第30-57页 |
| ·绪论 | 第30-31页 |
| ·小波变换的基本理论 | 第31-33页 |
| ·连续小波变换的定义 | 第31-32页 |
| ·离散α、τ栅格小波变换 | 第32-33页 |
| ·小波理论在目标识别中的应用 | 第33-38页 |
| ·矩特征的一般表达形式 | 第33-35页 |
| ·小波矩不变量 | 第35-37页 |
| ·归一化处理 | 第37-38页 |
| ·特征选择 | 第38-44页 |
| ·类别可分离性准则 | 第38-41页 |
| ·特征选择 | 第41-44页 |
| ·计算机仿真试验 | 第44-50页 |
| ·小波矩旋转不变性仿真研究 | 第44页 |
| ·Hu矩和小波矩识别仿真研究 | 第44-50页 |
| ·本章小结 | 第50-52页 |
| 附录一 原图像和归一化后图像集 | 第52-55页 |
| 附录二 原图像和加噪后图像集 | 第55-57页 |
| 第四章 三维物体的识别研究 | 第57-73页 |
| ·引言 | 第57-59页 |
| ·飞机模型库的建立 | 第59-60页 |
| ·神经网络识别方法 | 第60-66页 |
| ·神经网络的特点、学习准则及组成 | 第61页 |
| ·BP神经网络分类器 | 第61-65页 |
| ·改进的BP网络学习算法 | 第65-66页 |
| ·三维物体识别的计算机仿真识别研究 | 第66-68页 |
| ·图像的来源和图像的预处理 | 第66-67页 |
| ·仿真试验结果和分析 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 附录一 飞机姿态图像 | 第70-71页 |
| 附录二 BP网络误差训练曲线 | 第71-73页 |
| 第五章 总结和展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |
