首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

动态目标特征提取与识别技术研究

致谢第1-5页
摘要第5-6页
ABSTRACT第6-10页
第一章 绪论第10-13页
   ·研究的背景和意义第10页
   ·国内外现状和发展趋势第10-12页
   ·研究的主要内容第12页
   ·本章小结第12-13页
第二章 动态目标特征提取和识别的基本理论第13-22页
   ·尾焰的动态特性第13-15页
   ·预处理第15页
   ·图像分割第15-16页
     ·图像分割简介第15页
     ·阈值法第15页
     ·区域生长法第15-16页
   ·特征提取第16-20页
     ·统计特征第16页
     ·拓扑特征计算第16-17页
     ·边缘检测第17页
     ·角点第17页
     ·矩第17-18页
     ·纹理第18页
     ·轮廓特征第18-20页
   ·目标识别第20-21页
     ·基于模型的识别算法第20页
     ·统计模式识别算法第20-21页
     ·基于人工智能的识别算法第21页
     ·基于信息融合的识别算法第21页
   ·本章小结第21-22页
第三章 基于面积评价的二值图像分割算法第22-30页
   ·阈值分割简介第22-25页
     ·P-tile 法第22页
     ·基于相关数的最大熵分割法第22-24页
     ·Otsu 法第24-25页
   ·基于面积评价的图像分割算法第25-27页
     ·改进的 Otsu 法第25-26页
     ·算法流程第26-27页
   ·试验结果分析第27-28页
   ·本章小结第28-30页
第四章 基于线段表的轮廓链码化改进方法第30-39页
   ·传统链码提取方法第30-31页
     ·基于二值图像的链码提取方法第30页
     ·线段表转换为链码表第30-31页
   ·基于线段表的轮廓链码化改进方法[60]第31-38页
     ·链码表和线段表的基本概念第31页
     ·线段表的获取第31-32页
     ·线段的分类第32-34页
     ·链码的提取第34-36页
     ·试验结果分析第36-38页
   ·本章小结第38-39页
第五章 基于链码特征的尾焰头部识别算法第39-49页
   ·尾焰的特征分析第39-40页
   ·链码特征介绍第40-41页
     ·绝对链码和相对链码第40页
     ·链码和第40-41页
     ·链码差第41页
   ·基于链码尾焰头部区域识别第41-44页
   ·基于惯性主轴的尾焰精确点识别第44-46页
   ·试验结果分析第46-48页
   ·本章小结第48-49页
第六章 全文总结第49-51页
   ·本文的主要工作第49页
   ·待改善部分第49-51页
参考文献第51-55页
作者简历及在学期间发表的学术论文与研究成果第55页

论文共55页,点击 下载论文
上一篇:基于高光谱图像目标探测与识别技术研究
下一篇:基于TI-C6678的多核DSP图像处理系统研究