| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-14页 |
| ·课题的背景及意义 | 第7页 |
| ·目标识别的研究现状和存在的问题 | 第7-9页 |
| ·国内外研究现状 | 第7-8页 |
| ·存在的问题 | 第8-9页 |
| ·提取目标的不变性特征 | 第9-10页 |
| ·Gabor滤波器简介 | 第10-13页 |
| ·Gabor小波的提出 | 第10-12页 |
| ·Gabor函数的测不准原理 | 第12-13页 |
| ·论文主要研究工作及章节安排 | 第13-14页 |
| 2 目标识别系统及其分类器设计 | 第14-23页 |
| ·目标识别理论简介 | 第14-17页 |
| ·目标识别系统组成 | 第14-15页 |
| ·分类规则 | 第15-17页 |
| ·人工神经网络技术 | 第17-19页 |
| ·神经网络的分类及其优点 | 第18-19页 |
| ·多层前馈型神经网络 | 第19页 |
| ·改进的BP算法 | 第19-22页 |
| ·反向传播算法的主要缺点 | 第19-20页 |
| ·变步长自适应学习速率调整BP算法 | 第20-21页 |
| ·改进的BP算法与普通的BP算法的比较实验 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于组合多通道Gabor滤波器提取目标特征的研究 | 第23-45页 |
| ·图像预处理 | 第23-31页 |
| ·最小代价恢复旋转模糊图像 | 第24-27页 |
| ·目标图像增强处理 | 第27-28页 |
| ·图像标准化处理 | 第28-30页 |
| ·运动目标分割 | 第30-31页 |
| ·二维Gabor滤波器及其参数优化 | 第31-36页 |
| ·目标纹理特性分析 | 第31-32页 |
| ·二维Gabor滤波器的构成 | 第32-33页 |
| ·Gabor滤波器参数选择 | 第33-34页 |
| ·基于特定方向的滤波器频率参数优化 | 第34-36页 |
| ·Gabor滤波器提取目标特征 | 第36-41页 |
| ·多通道快速Gabor特征提取 | 第36-37页 |
| ·基于边缘特征提取的Gabor滤波器设计 | 第37-38页 |
| ·特征降维及归一化处理 | 第38-41页 |
| ·目标的特征向量表示 | 第41页 |
| ·实验及结果分析 | 第41-44页 |
| ·人脸识别实验 | 第41-43页 |
| ·自己制作样本库实验 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 4 基于Gabor滤波器特征融合技术的目标识别方法研究 | 第45-61页 |
| ·矩技术 | 第45-50页 |
| ·不变矩特性分析 | 第45-48页 |
| ·不变矩的改进及其稳定性分析 | 第48-50页 |
| ·目标特征融合处理 | 第50-55页 |
| ·特征融合算法 | 第50-51页 |
| ·目标姿态变化的处理 | 第51-55页 |
| ·Gabor特征与矩特征的融合 | 第55页 |
| ·建立目标样本库 | 第55-58页 |
| ·数据模型的选择 | 第56页 |
| ·详细设计 | 第56-57页 |
| ·样本的选取 | 第57-58页 |
| ·BP神经网络结构设计 | 第58-59页 |
| ·实验结果与分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |