基于BP神经网络的汽车颜色识别
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题的意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·论文的主要工作 | 第12-15页 |
| ·论文的结构安排 | 第15-16页 |
| 第二章 颜色识别区域定位 | 第16-31页 |
| ·引言 | 第16页 |
| ·彩色图像滤波 | 第16-21页 |
| ·标量方法噪声检测 | 第17-19页 |
| ·矢量方法噪声滤除 | 第19-21页 |
| ·颜色识别区域定位 | 第21-29页 |
| ·车头定位 | 第22-28页 |
| ·中轴定位 | 第28页 |
| ·识别区域分割 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 汽车表面高光检测 | 第31-42页 |
| ·引言 | 第31-32页 |
| ·二分光反射模型 | 第32-35页 |
| ·体反射和面反射 | 第33-34页 |
| ·二分光反射模型 | 第34-35页 |
| ·高光检测 | 第35-38页 |
| ·无高光图像 | 第36页 |
| ·最佳漫反射像素 | 第36-37页 |
| ·高光检测 | 第37-38页 |
| ·实验结果和分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于BP神经网络的汽车颜色识别 | 第42-62页 |
| ·引言 | 第42-43页 |
| ·多层前向神经网络 | 第43-47页 |
| ·传统BP神经网络的原理 | 第44-46页 |
| ·传统BP神经网络的缺陷 | 第46-47页 |
| ·网络结构参数的确定和改进 | 第47-51页 |
| ·激励函数和误差函数 | 第47-48页 |
| ·初始权值和阈值的选取 | 第48-49页 |
| ·隐层及隐结点选取 | 第49-50页 |
| ·自适应改变学习率 | 第50页 |
| ·增加动量项 | 第50-51页 |
| ·神经网络的训练和测试 | 第51-60页 |
| ·网络训练部分 | 第51-57页 |
| ·网络测试部分 | 第57-60页 |
| ·几种汽车颜色识别算法的仿真结果比较 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 结论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 附录A 程序代码 | 第67-70页 |
| 在学研究成果 | 第70-71页 |
| 致谢 | 第71页 |
