| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·课题研究背景和意义 | 第9页 |
| ·课题国内外研究现状 | 第9-12页 |
| ·本文研究工作和组织结构 | 第12-14页 |
| ·本文的研究工作 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 2 导弹末制导目标图像识别技术归类与分析 | 第14-25页 |
| ·引言 | 第14页 |
| ·基于变换域的匹配算法 | 第14-16页 |
| ·算法数学过程分析 | 第14-15页 |
| ·算法性能分析 | 第15-16页 |
| ·基于特征的匹配算法 | 第16-20页 |
| ·边缘特征匹配算法 | 第16-19页 |
| ·边缘提取算法性能分析 | 第19-20页 |
| ·基于灰度相关的匹配算法 | 第20-22页 |
| ·算法数学过程分析 | 第21页 |
| ·算法性能分析 | 第21-22页 |
| ·基于模型的匹配算法 | 第22-23页 |
| ·参数式模型匹配算法数学过程 | 第22-23页 |
| ·算法性能分析 | 第23页 |
| ·本章小结 | 第23-25页 |
| 3 Gabor 滤波器与 Harr-like 特征提取 | 第25-44页 |
| ·Gabor 滤波器数学原理分析 | 第25-27页 |
| ·多波长 Gabor 滤波器 | 第27-28页 |
| ·多方向角 Gabor 滤波器 | 第28-29页 |
| ·Harr-like 特征提取 | 第29-40页 |
| ·Harr-like 特征 | 第29-30页 |
| ·Harr 特征区域划分 | 第30-31页 |
| ·Harr 特征计算 | 第31-40页 |
| ·Sample Creator 生成训练样本 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 4 RBF 神经网络算法研究 | 第44-65页 |
| ·RBF 神经网络的数学原理分析 | 第44-46页 |
| ·RBF 神经网络的训练 | 第46-60页 |
| ·特征向量的计算 | 第47-50页 |
| ·特征匹配向量的计算 | 第50-52页 |
| ·隐层神经元的训练 | 第52-59页 |
| ·输出层神经元的训练 | 第59-60页 |
| ·算法测试与对比 | 第60-64页 |
| ·测试流程 | 第60-61页 |
| ·课题算法测试 | 第61-63页 |
| ·算法测试效果对比 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 5 算法的 FPGA 平台静态时序测试 | 第65-75页 |
| ·算法的浮点计算模型构建 | 第65-69页 |
| ·算法关键变量分析 | 第65-68页 |
| ·算法的定点化技术 | 第68-69页 |
| ·算法功能模块设计 | 第69-72页 |
| ·算法的静态时序分析 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 6 总结与展望 | 第75-77页 |
| ·论文工作总结 | 第75页 |
| ·未来工作展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士期间发表的论文 | 第80-81页 |
| 致谢 | 第81-82页 |