| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| ·引言 | 第9页 |
| ·图像识别技术的发展 | 第9页 |
| ·图像识别系统的构成 | 第9-13页 |
| ·图像预处理 | 第10页 |
| ·图像分割 | 第10-11页 |
| ·图像特征提取 | 第11-12页 |
| ·图像识别 | 第12-13页 |
| ·本文的主要内容 | 第13-15页 |
| 第二章 小波分析方法 | 第15-21页 |
| ·引言 | 第15页 |
| ·傅里叶分析 | 第15-17页 |
| ·连续小波变换 | 第17-19页 |
| ·离散栅格小波变换 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 图像的矩不变量特征 | 第21-38页 |
| ·引言 | 第21页 |
| ·矩函数的发展 | 第21-22页 |
| ·几何矩 | 第22-28页 |
| ·几何矩的定义和性质 | 第22-23页 |
| ·使用几何矩进行图像的形状描述 | 第23-26页 |
| ·矩函数的各种变换 | 第26-28页 |
| ·Hu矩不变量及其修正算法 | 第28-32页 |
| ·Hu矩不变量 | 第28-29页 |
| ·边界矩 | 第29-30页 |
| ·构造不变矩 | 第30-31页 |
| ·修正归一化中心矩 | 第31页 |
| ·相对不变矩 | 第31-32页 |
| ·Zernike矩 | 第32-33页 |
| ·计算机仿真研究 | 第33-37页 |
| ·Hu矩及其修正算法的仿真研究 | 第33-36页 |
| ·Zernike矩的旋转不变性仿真研究 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于小波分析的矩不变量 | 第38-54页 |
| ·引言 | 第38页 |
| ·小波矩不变量 | 第38-44页 |
| ·具有旋转不变性的矩特征表示 | 第38-40页 |
| ·基于三次B样条小波的矩不变量 | 第40-41页 |
| ·连续小波矩的离散化算法 | 第41-44页 |
| ·识别特征的选择 | 第44-46页 |
| ·类别可分性判剧 | 第44页 |
| ·结合离散度和增添特征法的特征选择方法 | 第44-46页 |
| ·离散度 | 第45页 |
| ·顺序前进法 | 第45-46页 |
| ·计算机仿真研究 | 第46-53页 |
| ·小波矩的旋转不变性仿真研究 | 第46-47页 |
| ·相对不变矩、Zernike矩和小波矩的图像识别仿真研究 | 第47-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于小波神经网络的图像识别 | 第54-63页 |
| ·引言 | 第54页 |
| ·BP神经网络 | 第54-56页 |
| ·神经元结构模型 | 第54-55页 |
| ·多层BP神经网络模型 | 第55-56页 |
| ·小波BP神经网络 | 第56-59页 |
| ·基于小波神经网络的图像识别仿真研究 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |
| 作者在攻读硕士学位期间完成的论文 | 第69页 |