基于神经网络的图像局部模糊测量与分割
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状及不足 | 第11-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 机器学习相关算法介绍 | 第16-32页 |
| 2.1 人工神经网络的概述 | 第16-23页 |
| 2.1.1 人工神经元的模型 | 第17-19页 |
| 2.1.2 人工神经网络的学习方式 | 第19-21页 |
| 2.1.3 人工神经网络的基本学习算法 | 第21-23页 |
| 2.2 BP(反向传播)神经网络 | 第23-27页 |
| 2.2.1 BP学习算法简介 | 第23-24页 |
| 2.2.2 BP学习算法的数学推导 | 第24-26页 |
| 2.2.3 BP学习算法的缺点 | 第26-27页 |
| 2.3 支持向量机 | 第27-28页 |
| 2.4 深度学习 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于BP神经网络的图像局部模糊测量 | 第32-45页 |
| 3.1 模糊图像成因 | 第32-34页 |
| 3.1.1 散焦模糊 | 第32-33页 |
| 3.1.2 运动模糊 | 第33-34页 |
| 3.2 混合模糊测度 | 第34-37页 |
| 3.2.1 奇异值向量 | 第34-36页 |
| 3.2.2 DCT非零系数个数 | 第36-37页 |
| 3.3 BP神经网络分类器构建 | 第37-39页 |
| 3.3.1 模型构造 | 第37-38页 |
| 3.3.2 训练和模糊预测 | 第38-39页 |
| 3.4 实验 | 第39-44页 |
| 3.4.1 实验结果 | 第39-42页 |
| 3.4.2 准确率—召回率曲线统计 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于语义的模糊区域分割 | 第45-55页 |
| 4.1 双边滤波器简介 | 第45-47页 |
| 4.2 模糊区域提取 | 第47-48页 |
| 4.2.1 语义分割方法简介 | 第47页 |
| 4.2.2 基于语义的模糊区域提取方法 | 第47-48页 |
| 4.3 实验 | 第48-54页 |
| 4.3.1 双边滤波处理实验 | 第48-50页 |
| 4.3.2 模糊区域提取实验 | 第50-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间的科研成果 | 第62页 |
