| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题来源与选题背景 | 第10-11页 |
| 1.2 国内外研究现状和发展趋势 | 第11-14页 |
| 1.3 本文研究的目的和意义 | 第14页 |
| 1.4 论文组织与安排 | 第14-16页 |
| 第2章 帽子图像特征分析 | 第16-31页 |
| 2.1 数字图像概要 | 第16-18页 |
| 2.1.1 分辨率 | 第16-17页 |
| 2.1.2 图像深度 | 第17页 |
| 2.1.3 数据量 | 第17页 |
| 2.1.4 数据格式 | 第17-18页 |
| 2.2 帽子图像颜色特征 | 第18-21页 |
| 2.2.1 RGB彩色图像 | 第18页 |
| 2.2.2 灰度图像 | 第18-20页 |
| 2.2.3 图像直方图 | 第20-21页 |
| 2.3 帽子图像边缘特征 | 第21-29页 |
| 2.3.1 梯度算子 | 第22页 |
| 2.3.2 Roberts算子 | 第22-23页 |
| 2.3.3 Sobel算子 | 第23-25页 |
| 2.3.4 Prewitt算子 | 第25-26页 |
| 2.3.5 Kirsch算子 | 第26-27页 |
| 2.3.6 Laplacian算子 | 第27-28页 |
| 2.3.7 综合正交算子 | 第28-29页 |
| 2.4 帽子图像变换特征 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 帽子图像识别过程 | 第31-55页 |
| 3.1 帽子图像特征增强 | 第31-39页 |
| 3.1.1 图像增强 | 第31-33页 |
| 3.1.2 中值滤波 | 第33-34页 |
| 3.1.3 直方图均衡化 | 第34-36页 |
| 3.1.4 Laplace锐化 | 第36-37页 |
| 3.1.5 梯度锐化 | 第37-39页 |
| 3.2 增强特征细化 | 第39-44页 |
| 3.2.1 图像二值化 | 第39-40页 |
| 3.2.2 二值化图像分割 | 第40-42页 |
| 3.2.3 帽子图像的细化 | 第42-44页 |
| 3.3 神经网络识别帽子图像 | 第44-54页 |
| 3.3.1 BP反向误差传播算法 | 第44-47页 |
| 3.3.2 BP神经网络在图像分类和识别过程及优势 | 第47-48页 |
| 3.3.3 基于神经网络的帽子分类 | 第48-49页 |
| 3.3.4 帽子相似度计算 | 第49-53页 |
| 3.3.5 帽子图像的保存 | 第53-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 帽子识别系统详细设计 | 第55-70页 |
| 4.1 需求分析 | 第55-57页 |
| 4.2 帽子图像系统处理流程 | 第57-60页 |
| 4.3 帽子图像系统架构 | 第60-69页 |
| 4.3.1 帽子图像导入模块 | 第61-62页 |
| 4.3.2 帽子图像变换模块 | 第62-64页 |
| 4.3.3 帽子图像增强模块 | 第64-65页 |
| 4.3.4 帽子图像分析模块 | 第65-67页 |
| 4.3.5 帽子图像搜索模块 | 第67-69页 |
| 4.3.6 帽子图像保存模块 | 第69页 |
| 4.4 本章小结 | 第69-70页 |
| 第5章 帽子识别系统测试 | 第70-77页 |
| 5.1 特征提取实验结果 | 第70-73页 |
| 5.1.1 帽子图像变换特征展示 | 第70-72页 |
| 5.1.2 帽子图像边缘特征展示 | 第72-73页 |
| 5.2 特征增强与细化实验结果 | 第73-74页 |
| 5.2.1 帽子图像特征锐化展示 | 第73页 |
| 5.2.2 帽子图像特征细化展示 | 第73-74页 |
| 5.3 神经网络识别实验结果 | 第74-76页 |
| 5.4 实验结果分析 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 全文总结 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |