基于BP神经网络的高分图像特定形状提取系统设计
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究意义及背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究内容 | 第10-11页 |
| 1.4 论文章节安排 | 第11-13页 |
| 第2章 高分图像处理 | 第13-23页 |
| 2.1 高分图像预处理流程 | 第13-14页 |
| 2.2 图像平滑滤波 | 第14-16页 |
| 2.3 图像分割 | 第16-21页 |
| 2.3.1 基于阈值的图像分割 | 第16-17页 |
| 2.3.2 边缘检测 | 第17-20页 |
| 2.3.3 边缘检测结果及分析 | 第20-21页 |
| 2.4 轮廓跟踪 | 第21页 |
| 2.5 本章小结 | 第21-23页 |
| 第3章 形状特征提取算法 | 第23-29页 |
| 3.1 基于区域的形状描述算法 | 第23-25页 |
| 3.1.1 Hu不变矩 | 第23-24页 |
| 3.1.2 离心率 | 第24-25页 |
| 3.1.3 Zernike矩 | 第25页 |
| 3.2 基于轮廓的形状描述算法 | 第25-28页 |
| 3.2.1 链码 | 第26页 |
| 3.2.2 傅里叶描述子 | 第26-27页 |
| 3.2.3 小波变换 | 第27-28页 |
| 3.3 基于Hu不变矩和离心率的形状特征提取方法 | 第28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 基于BP神经网络的形状提取模型构建与仿真 | 第29-43页 |
| 4.1 神经网络概述 | 第29-32页 |
| 4.1.1 BP神经网络算法原理 | 第29-31页 |
| 4.1.2 BP神经网络的特点 | 第31-32页 |
| 4.2 形状提取模型的构建与仿真 | 第32-41页 |
| 4.2.1 构建BP神经网络模型 | 第32-33页 |
| 4.2.2 BP神经网络训练算法流程 | 第33-34页 |
| 4.2.3 BP神经网络形状提取分类算法 | 第34-36页 |
| 4.2.4 BP神经网络用于形状仿真算法对比 | 第36-39页 |
| 4.2.5 形状提取分类仿真分析 | 第39-41页 |
| 4.3 本章小结 | 第41-43页 |
| 第5章 高分图像形状提取系统的设计 | 第43-51页 |
| 5.1 需求分析 | 第43页 |
| 5.2 开发环境介绍 | 第43-44页 |
| 5.3 界面设计 | 第44-46页 |
| 5.4 系统功能实现 | 第46-48页 |
| 5.4.1 图像处理模块 | 第47页 |
| 5.4.2 形状提取模块 | 第47-48页 |
| 5.5 系统操作流程 | 第48-50页 |
| 5.6 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间所发表的论文 | 第57-59页 |
| 致谢 | 第59页 |
