基于遗传算法和BP神经网络的异纤图像识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-14页 |
| ·课题背景 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·课题任务 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 2. 图像的预处理 | 第14-28页 |
| ·直方图处理 | 第14-16页 |
| ·图像的平滑 | 第16-20页 |
| ·图像分割 | 第20-26页 |
| ·基于边缘检测的图像分割 | 第21页 |
| ·基于阈值分割的图像分割 | 第21-23页 |
| ·基于区域的图像分割 | 第23-25页 |
| ·基于数学形态学的图像分割 | 第25页 |
| ·实验结果分析 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 3. 图像特征提取 | 第28-36页 |
| ·图像特征分类 | 第28-29页 |
| ·颜色特征 | 第28页 |
| ·形状特征 | 第28-29页 |
| ·纹理特征 | 第29页 |
| ·灰度共生矩阵(GLCM)的纹理特征提取 | 第29-31页 |
| ·GABOR 提取图像纹理特征 | 第31-34页 |
| ·Gabor 原理 | 第31-33页 |
| ·Gabor 滤波器设计 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 4. BP 神经网络 | 第36-46页 |
| ·人工神经网络概述 | 第36-37页 |
| ·BP 神经网络 | 第37-42页 |
| ·BP 神经网络概述 | 第37-38页 |
| ·BP 神经网络训练过程 | 第38-42页 |
| ·BP 神经网络的特点 | 第42-43页 |
| ·BP 神经网络的优点 | 第42页 |
| ·BP 神经网络的缺点 | 第42-43页 |
| ·用遗传算法确定初始权值和阈值 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 5. 实验仿真结果及分析 | 第46-53页 |
| ·异纤图像的识别设计概述 | 第46-47页 |
| ·图像的预处理 | 第47页 |
| ·图像特征提取 | 第47-49页 |
| ·神经网络设计 | 第49-50页 |
| ·实验结果及分析 | 第50-53页 |
| 总结与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录：硕士研究生学习期间发表论文 | 第58-59页 |
| 致谢 | 第59-60页 |
