基于形态神经网络的识别算法研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题选题背景 | 第9-10页 |
| ·模式识别算法简介 | 第10-14页 |
| ·模式识别算法发展历程 | 第10-11页 |
| ·传统模式识别算法 | 第11-13页 |
| ·模式识别算法的主要难点 | 第13-14页 |
| ·模式识别技术的发展趋势 | 第14页 |
| ·本文主要创新点 | 第14页 |
| ·本文结构安排 | 第14-16页 |
| 第二章 形态学与神经网络的基本理论 | 第16-28页 |
| 引言 | 第16页 |
| ·数学形态学基本原理 | 第16-21页 |
| ·二值形态学 | 第17-20页 |
| ·灰度形态学 | 第20-21页 |
| ·形态学的主要应用 | 第21-23页 |
| ·击中击不中变换 | 第21-22页 |
| ·图像目标识别 | 第22-23页 |
| ·神经网络发展与应用 | 第23-27页 |
| ·神经网络的概述 | 第23-24页 |
| ·神经网络的学习 | 第24-25页 |
| ·BP 网络学习规则 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 形态神经网络 | 第28-35页 |
| 引言 | 第28-29页 |
| ·形态神经网络 | 第29-33页 |
| ·形态神经网络结构 | 第29-30页 |
| ·形态神经网络算法规则 | 第30-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 图像的预处理 | 第35-44页 |
| 引言 | 第35页 |
| ·图像去噪 | 第35-39页 |
| ·形态滤波神经网络模型 | 第35-37页 |
| ·自适应BP 学习算法训练结构元素 | 第37-38页 |
| ·实验结果 | 第38-39页 |
| ·图像分割 | 第39-43页 |
| ·权重形态边缘检测 | 第40-41页 |
| ·实验结果 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 形态神经网络结构的模式识别技术与实现 | 第44-53页 |
| 引言 | 第44页 |
| ·图像预处理的形态神经网络 | 第44-46页 |
| ·灰度腐蚀膨胀形态学神经网络 | 第44-46页 |
| ·用于模式识别的BP 权重形态神经网络 | 第46-49页 |
| ·仿真实验结果 | 第47-49页 |
| ·用于模式识别概率形态神经网络 | 第49-52页 |
| ·径向基形态神经网络模型 | 第50-51页 |
| ·仿真实验结果 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 结论语 | 第53-55页 |
| ·本文工作总结 | 第53页 |
| ·进一步研究的工作 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 硕士期间发表论文 | 第60页 |
