基于纹理特征分析的地基云图分类识别
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-12页 |
| ·论文的研究目的和意义 | 第7页 |
| ·云分类研究现状 | 第7-11页 |
| ·国外研究现状 | 第7-8页 |
| ·国内研究现状 | 第8-10页 |
| ·地基云图研究的难点 | 第10-11页 |
| ·论文的主要内容 | 第11-12页 |
| 第二章 云状分类与云图预处理 | 第12-21页 |
| ·云状分类 | 第12页 |
| ·云图数据的获取 | 第12-13页 |
| ·云图预处理 | 第13-20页 |
| ·RGB云图灰度化 | 第14页 |
| ·直方图均衡化 | 第14-16页 |
| ·灰度级量化 | 第16-17页 |
| ·图像去噪 | 第17-19页 |
| ·图像锐化 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 云图纹理及特征提取 | 第21-33页 |
| ·纹理 | 第21-23页 |
| ·地基云图的纹理特点 | 第22页 |
| ·纹理分析与描述方法 | 第22-23页 |
| ·灰度共生矩阵 | 第23-32页 |
| ·基于灰度共生矩阵的纹理特征参数 | 第26-28页 |
| ·云图纹理特征参数提取与选择 | 第28-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 云状分类研究 | 第33-53页 |
| ·基于神经网络的云图识别 | 第33-39页 |
| ·神经网络概述 | 第33-35页 |
| ·人工神经网络的一般模型 | 第35-37页 |
| ·人工神经网络的学习过程和规则 | 第37-39页 |
| ·BP神经网络 | 第39-49页 |
| ·BP网络模型 | 第39-40页 |
| ·BP网络学习算法与学习过程 | 第40-44页 |
| ·BP网络的改进 | 第44-46页 |
| ·BP网络分类器设计与实现 | 第46-49页 |
| ·基于最小距离分类器的云图识别 | 第49-52页 |
| ·最小距离分类器原理 | 第49-51页 |
| ·最小距离分类器设计与实现 | 第51-52页 |
| ·实验结果分析 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 系统实现 | 第53-61页 |
| ·MATLAB图形用户界面设计 | 第53页 |
| ·地基云图识别系统 | 第53-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-62页 |
| ·总结 | 第61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 硕士在读期间发表论文清单 | 第65-66页 |
| 致谢 | 第66页 |
