装备图片识别技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10页 |
| 1.2 智能图像识别基本概念 | 第10-11页 |
| 1.3 智能图像识别相关技术及研究现状 | 第11-15页 |
| 1.3.1 聚类算法简介及研究现状 | 第11-12页 |
| 1.3.2 支持向量机简介及研究现状 | 第12-13页 |
| 1.3.3 神经网络简介及研究现状 | 第13-15页 |
| 1.4 本文的主要工作 | 第15-18页 |
| 第二章 基于聚类的武器装备图片识别 | 第18-34页 |
| 2.1 引言 | 第18页 |
| 2.2 系统方案 | 第18-19页 |
| 2.3 关键技术 | 第19-24页 |
| 2.3.1 图像预处理 | 第19页 |
| 2.3.2 SIFT特征提取 | 第19-20页 |
| 2.3.3 边缘特征提取 | 第20页 |
| 2.3.4 AP聚类 | 第20-22页 |
| 2.3.5 K-means聚类 | 第22-24页 |
| 2.4 系统实现 | 第24-31页 |
| 2.4.1 GUI设计 | 第24-27页 |
| 2.4.2 系统界面 | 第27-29页 |
| 2.4.3 结果与分析 | 第29-31页 |
| 2.5 本章小结 | 第31-34页 |
| 第三章 基于支持向量机的飞行器装备图片识别 | 第34-42页 |
| 3.1 引言 | 第34页 |
| 3.2 系统方案 | 第34页 |
| 3.3 关键技术 | 第34-38页 |
| 3.3.1 图像特征提取 | 第34-36页 |
| 3.3.2 SVM分类器的训练实现 | 第36-38页 |
| 3.4 系统实现 | 第38-40页 |
| 3.4.1 GUI设计及实现 | 第38-39页 |
| 3.4.2 结果分析 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 基于神经网络的车辆装备图片识别 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 系统方案 | 第42-43页 |
| 4.3 关键技术 | 第43-50页 |
| 4.3.1 候选框的选择 | 第43-44页 |
| 4.3.2 候选框的缩放 | 第44-45页 |
| 4.3.3 卷积神经网络结构 | 第45-49页 |
| 4.3.4 神经网络搭建与训练 | 第49-50页 |
| 4.4 系统实现 | 第50-52页 |
| 4.4.1 功能实现 | 第50-51页 |
| 4.4.2 结果分析 | 第51-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文总结 | 第54页 |
| 5.2 未来工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者简历 | 第60页 |
