| 【中文题名】 | 基于Gabor小波变换和矩变换的神经网络图像识别技术 |
| 【英文题名】 | |
| 【学科专业】 | 信息与通信工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-8 |
| 【中关键词】 | 图像识别,自适应门限中值滤波,Gabor小波变换,炬变换,神经网络, |
| 【英关键词】 | image recognition,adaptive threshold median filter,Gabor wavelet transform,moment transform,neural network, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
伴随着计算机技术的不断开拓和对人类感知机理研究的不断发展,数字图像识别技术已经成为数字图像处理技术中一个重要的研究方向,其应用范围几乎涵盖了人类所涉及到的所有领域。但是图像识别技术依然受限制于自适应性能差,鲁棒性不高,技术不通用等缺点,在识别技术发展的今天,如何加强图像识别技术的适应性和鲁棒性甚至通用性就成为了研究图像识别的一个热点问题。
针对如何加强图像识别技术的适应性、鲁棒性甚至通用性,本文对图像识别技术进行了研究。按照图像识别的过程,把图像识别技术分成图像处理、特征提取和模式识别三部分进行研究和讨论。
在图像处理阶段,本文首先介绍图像复原、图像增强和图像分割三类图像处理技术。然后分析和对比了三类图像处理技术的常见方法,并给出仿真结果。还针对图像在噪声污染度严重和多层噪声干扰的情况,提出了新的自适应门限中值滤波器。实验证明,自适应门限中值滤波器能够在消除污染密度大的脉冲噪声同时保护图像的细节,而且它对于传统滤波器滤除噪声效果不好的多层脉冲噪声也拥有良好的去噪声效果。
在特征提取阶段,按照选取待识别图像的边缘关键特征为主要目标的思路,对传统特征提取方法的优缺点进行比较。本文... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-10 |
|
第一章 引言 |
10-13 |
|
1.1 图像识别研究的意义 |
10 |
|
1.2 图像识别的发展和现状 |
10-11 |
|
1.3 本课题基本任务和贡献 |
11-13 |
|
第二章 图像识别原理简介 |
13-17 |
|
2.1 图像识别过程 |
13-14 |
|
2.2 数字图像处理 |
14-15 |
|
2.3 图像识别技术 |
15-17 |
|
第三章 图像处理 |
17-34 |
|
3.1 图像处理概论 |
17 |
|
3.2 图像复原 |
17-27 |
|
3.3 图像增强 |
27-29 |
|
3.4 图像分割 |
29-34 |
|
第四章 图像特征提取 |
34-50 |
|
4.1 特征提取及其方法简介 |
34-37 |
|
4.2 Gabor 变换 |
37-41 |
|
4.3 矩变换 |
41-43 |
|
4.4 基于特征融合的提取算法 |
43-44 |
|
4.5 融合特征技术的改进和实验结果 |
44-50 |
|
第五章 基于GABOR 特征和矩特征的神经网络图像识别技术 |
50-62 |
|
5.1 基于神经网络分类的识别技术 |
50-51 |
|
5.2 神经网络简介 |
51-54 |
|
5.3 BP 神经网络优势和缺陷 |
54-57 |
|
5.4 实验与结论 |
57-62 |
|
第六章 总结和展望 |
62-64 |
|
6.1 本文主要工作 |
62-63 |
|
6.2 后续研究工作建议 |
63-64 |
|
致谢 |
64-65 |
|
参考文献 |
65-69 |
|
攻硕期间取得的研究成果 |
69-70 |
|
| 【DOI】 | LunWen.ID:2.2008.388752 |
