基于特征提取及神经网络的图像分类识别与目标跟踪
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题背景与研究意义 | 第7-8页 |
| ·神经网络图像识别与跟踪发展及现状 | 第8-12页 |
| ·神经网络发展 | 第8-11页 |
| ·神经网络图像识别与目标跟踪研究现状 | 第11-12页 |
| ·论文主要研究工作 | 第12-13页 |
| 第二章 图像识别与目标跟踪基础 | 第13-23页 |
| ·图像识别基本原理 | 第13-14页 |
| ·图像识别算法 | 第14-18页 |
| ·模板匹配法 | 第14-15页 |
| ·统计模式识别法 | 第15-16页 |
| ·模糊模式识别法 | 第16-17页 |
| ·人工神经网络模式识别法 | 第17-18页 |
| ·目标跟踪基础知识 | 第18-23页 |
| ·运动目标的检测 | 第18-20页 |
| ·运动目标的跟踪 | 第20-23页 |
| 第三章 BP神经网络在图像识别与跟踪中的应用 | 第23-37页 |
| ·人工神经网络基础 | 第23-29页 |
| ·人工神经网络基本概念、结构及学习 | 第23-25页 |
| ·图像识别中常用的神经网络模型 | 第25-29页 |
| ·BP网络算法研究 | 第29-31页 |
| ·BP网络用于图像识别与跟踪 | 第31-37页 |
| ·BP网络的设计 | 第31-33页 |
| ·基于BP神经网络的图像分类识别算法仿真 | 第33-34页 |
| ·BP网络用于图像跟踪的算法仿真 | 第34-37页 |
| 第四章 基于小波矩特征与神经网络的图像分类识别 | 第37-49页 |
| ·小波变换基本理论 | 第37-39页 |
| ·图像的小波矩 | 第39-41页 |
| ·小波矩的一般形式 | 第39-40页 |
| ·图像小波矩的构造 | 第40-41页 |
| ·小波矩特征的提取 | 第41-42页 |
| ·算法仿真与结果分析 | 第42-49页 |
| ·样本的选择和预处理 | 第42-44页 |
| ·算法仿真与结果分析 | 第44-49页 |
| 第五章 基于熵特征及神经网络的目标跟踪 | 第49-58页 |
| ·信息论和信息熵函数 | 第49-51页 |
| ·信息熵的数学特性 | 第49-50页 |
| ·熵函数的灵敏度 | 第50-51页 |
| ·图像的熵 | 第51-53页 |
| ·图像的信息嫡 | 第51页 |
| ·图像的熵匹配 | 第51-53页 |
| ·图像目标跟踪仿真实验 | 第53-58页 |
| ·训练样本的选择与预处理 | 第53-54页 |
| ·算法仿真与结果分析 | 第54-58页 |
| 结论 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者在读研期间的研究成果 | 第64-65页 |
