基于小波变换和不变矩的图像目标识别算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第 1 章 绪论 | 第8-13页 |
| ·引言 | 第8-10页 |
| ·从图象到图象工程 | 第8-9页 |
| ·图像识别与图像处理及图像理解的关系 | 第9-10页 |
| ·图像识别发展概况及其应用趋势 | 第10-11页 |
| ·课题提出及本文内容简介 | 第11-13页 |
| 第 2 章 图像目标识别系统概论 | 第13-25页 |
| ·图像目标识别系统概述 | 第13-14页 |
| ·图像的噪声抑制 | 第14-20页 |
| ·图像的采集 | 第14-16页 |
| ·图像噪声来源及其统计模型 | 第16页 |
| ·常见噪声消除方法分析 | 第16-20页 |
| ·图像分割 | 第20-21页 |
| ·图像分割的基本概念 | 第20页 |
| ·图像分割的常用方法 | 第20-21页 |
| ·目标图像识别 | 第21-25页 |
| ·目标图像识别的常用方法 | 第21-22页 |
| ·图像目标匹配常用方法 | 第22-25页 |
| 第 3 章 基于小波变换的图像去噪及区域分割 | 第25-36页 |
| ·小波分析的基本理论 | 第25-28页 |
| ·一维连续小波变换 | 第26页 |
| ·离散小波变换 | 第26-27页 |
| ·二进制小波变换 | 第27-28页 |
| ·基于小波变换的边缘检测原理及算法设计 | 第28-32页 |
| ·基于小波变换的图像边缘检测原理 | 第28-30页 |
| ·噪声在小波变换下的特性 | 第30-32页 |
| ·目标区域分割的算法介绍 | 第32-33页 |
| ·实验及结论 | 第33-36页 |
| 第4章 小波矩和神经网络在图像识别中的应用研究 | 第36-69页 |
| ·矩和不变矩 | 第37-45页 |
| ·几何矩 | 第37-44页 |
| ·Hu 矩 | 第44-45页 |
| ·小波矩在目标识别中的应用 | 第45-49页 |
| ·矩特征的一般表达式 | 第46-47页 |
| ·小波矩的构造 | 第47-49页 |
| ·神经网络识别方法 | 第49-55页 |
| ·神经网络的特点、学习准则及组成 | 第50-51页 |
| ·BP 神经网络分类器 | 第51-54页 |
| ·改进的 BP 网络学习算法 | 第54-55页 |
| ·基于小波矩和神经网络在图像识别中的算法设计 | 第55-59页 |
| ·特征提取与选择 | 第56-58页 |
| ·BP 神经网络分类器的设计 | 第58-59页 |
| ·仿真实验与结果分析 | 第59-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74-75页 |
| 致谢 | 第75页 |
