基于径向基函数神经网络的图像识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题研究的背景 | 第11-12页 |
| ·课题的国内外研究历史及现状 | 第12-14页 |
| ·图像信息处理的发展概况 | 第12页 |
| ·图像识别技术的发展概况 | 第12-14页 |
| ·图像识别所面临的问题和发展趋势 | 第14页 |
| ·课题的研究方法与研究内容 | 第14-15页 |
| ·论文结构 | 第15-17页 |
| 第二章 数字图像处理与图像识别技术 | 第17-25页 |
| ·图像的数字化及数字图像处理基本问题 | 第17-19页 |
| ·模式识别 | 第19-23页 |
| ·基本概念 | 第19页 |
| ·识别对象的特征及其提取 | 第19-20页 |
| ·模式识别分类 | 第20-22页 |
| ·不同模式识别方法特点比较 | 第22-23页 |
| ·图像识别 | 第23-25页 |
| ·图像识别基本概念 | 第23-24页 |
| ·图像识别方法 | 第24-25页 |
| 第三章 人工神经网络在图像识别中的应用 | 第25-39页 |
| ·人工神经网络技术概况 | 第25-31页 |
| ·人工神经元模型结构特点 | 第25-27页 |
| ·人工神经网络工作方式 | 第27页 |
| ·人工神经网络的学习 | 第27-31页 |
| ·基于人工神经网络的图像识别 | 第31-39页 |
| ·几种常用于图像模式识别的神经网络 | 第32-37页 |
| ·神经网络在模式识别应用方面的优势 | 第37-39页 |
| 第四章 图像预处理 | 第39-56页 |
| ·图像增强 | 第39-41页 |
| ·图像去噪 | 第39-41页 |
| ·图像锐化 | 第41页 |
| ·图像边缘检测 | 第41-48页 |
| ·经典算子法 | 第42-46页 |
| ·基于二维小波变换的多尺度分析边缘提取 | 第46-48页 |
| ·图像分割 | 第48-56页 |
| ·图像区域分割 | 第48-49页 |
| ·图像区域分割评价 | 第49-52页 |
| ·基于全局阈值处理的灰度图像二值化 | 第52-56页 |
| 第五章 图像特征提取 | 第56-64页 |
| ·图像特征 | 第56页 |
| ·图像特征选择与提取 | 第56-57页 |
| ·图像特征选择 | 第56-57页 |
| ·图像特征提取 | 第57页 |
| ·图像形状特征提取 | 第57-64页 |
| ·关于图像的矩特征 | 第58-61页 |
| ·图像不变矩的计算 | 第61页 |
| ·关于本课题的实验图像特征提取 | 第61-64页 |
| 第六章 基于径向基函数神经网络的图像识别 | 第64-82页 |
| ·概述 | 第64页 |
| ·径向基函数神经网络模型 | 第64-67页 |
| ·径向基神经网络的学习方式和特点 | 第67-71页 |
| ·隐含层的学习 | 第67-69页 |
| ·输出层的学习 | 第69-71页 |
| ·针对本课题的RBF神经网络分类器的设计与训练 | 第71-82页 |
| ·网络结构设计 | 第71页 |
| ·网络训练 | 第71-76页 |
| ·网络测试 | 第76-78页 |
| ·实验结果分析及改进方法 | 第78-82页 |
| 第七章 总结与展望 | 第82-85页 |
| ·本课题的主要工作 | 第82-83页 |
| ·后续研究工作建议 | 第83-85页 |
| ·图像预处理阶段存在的问题以及改进建议 | 第83页 |
| ·图像特征提取中存在的问题以及改进建议 | 第83-84页 |
| ·径向基网络识别阶段存在的问题及改进建议 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 附录 | 第89-94页 |
| 致谢 | 第94-95页 |
| 在攻读硕士期间发表的论文 | 第95页 |
