| 【中文题名】 | 基于神经网络的飞机目标识别研究 |
| 【英文题名】 | Research of Aircraft Recognition Based on Neural Networks |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-21 |
| 【中关键词】 | 人工神经网络,模式识别,图像处理,,, |
| 【英关键词】 | Artificial Neural Network,Pattern Recognition,Image Processing, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
随着电子计算机和信息产业的飞速发展，图像处理和目标识别技术取得了巨大的进步，在很多领域得到了广泛的应用。尤为受到关注的是在军事领域，精确识别敌我目标是在高科技战争中取胜的一个重要前提，而飞机识别是其中的一个典型应用，成为了该领域的一个研究热点，目前国内外已有很多人员和机构在此方面作了大量的研究与探索，并取得了可喜的成果。
本文在这方面的主要工作有：
首先在分析了该领域发展现状和应用前景以及图像处理相关理论的基础上，设计了一个图像处理平台，该平台集成了对飞机目标识别所必需的各种前期处理操作，包括常用的图像灰度化、二值化、中值滤波、图像平滑等功能；在平台中还有一个扩展功能，以满足对图像作深入处理的更多需求，比如图像分割和边缘检测等；该扩展平台也是开放性的，可以根据特定的需求增添更多的图像处理功能。
接着本文阐述了图像特征提取的主要方法，编程实现了对飞机图像的平移、旋转、缩放具有不变性的矩特征的获得；然后设计了一个神经网络识别系统，利用动量因子改进了BP神经网络的传统算法，并通过上个环节提取的图像不变矩特征对飞机进行了模式识别实验，取得了良好的识别效果。
最后，在总结中，对... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-9 |
|
第1章 绪论 |
9-14 |
|
1.1 该领域发展现状 |
9-12 |
|
1.1.1 图像处理的发展现状和发展前景 |
9-10 |
|
1.1.2 人工神经网络的发展现状和应用领域 |
10-12 |
|
1.2 选题的背景和意义 |
12-13 |
|
1.3 本论文的主要工作 |
13 |
|
1.4 本章小结 |
13-14 |
|
第2章 数字图像基础 |
14-25 |
|
2.1 数字图像处理的特点 |
14-16 |
|
2.2 数字图像的获取 |
16-17 |
|
2.3 图像数学基础 |
17-21 |
|
2.3.1 傅立叶变换 |
17-19 |
|
2.3.2 离散余弦变换 |
19-20 |
|
2.3.3 沃尔什变换 |
20-21 |
|
2.4 色度学基础 |
21-24 |
|
2.5 本章小结 |
24-25 |
|
第3章 图像处理平台设计 |
25-46 |
|
3.1 引言 |
25-26 |
|
3.2 需求分析 |
26 |
|
3.3 系统流程 |
26-29 |
|
3.4 图像采集环节 |
29-32 |
|
3.4.1 图像采集设备 |
29-31 |
|
3.4.2 视频回放功能 |
31-32 |
|
3.5 图像前期处理功能的实现 |
32-45 |
|
3.5.1 图像放大缩小原理及实现 |
32-34 |
|
3.5.2 图像亮度和对比度增强 |
34-37 |
|
3.5.3 图像增强 |
37-41 |
|
3.5.4 图像平滑 |
41-45 |
|
3.6 本章小结 |
45-46 |
|
第4章 飞机图像的边缘检测和特征提取 |
46-65 |
|
4.1 图像的灰度化和二值化 |
46-49 |
|
4.1.1 图像灰度化 |
46-47 |
|
4.1.2 图像的二值化 |
47-49 |
|
4.2 图像的分割和边缘检测 |
49-56 |
|
4.2.1 图像的分割 |
49-51 |
|
4.2.2 边缘检测 |
51-56 |
|
4.3 飞机图像特征的提取 |
56-64 |
|
4.3.1 图像的特征 |
56-57 |
|
4.3.2 特征提取的步骤 |
57-58 |
|
4.3.3 飞机图像矩特征的提取 |
58-64 |
|
4.4 本章小结 |
64-65 |
|
第5章 基于神经网络的飞机目标识别 |
65-83 |
|
5.1 人工神经网络的特点 |
65-66 |
|
5.2 BP 神经网络模型算法 |
66-71 |
|
5.2.1 BP 算法模型 |
67-69 |
|
5.2.2 BP 神经网络设计要考虑的问题 |
69-70 |
|
5.2.3 BP 神经网络的优化和改进 |
70-71 |
|
5.3 BP 神经网络的设计 |
71-82 |
|
5.3.1 系统结构 |
71-72 |
|
5.3.2 BP 网络学习过程 |
72-74 |
|
5.3.3 BP 识别算法软件实现 |
74-79 |
|
5.3.4 识别结果与分析 |
79-82 |
|
5.4 本章小结 |
82-83 |
|
结论 |
83-84 |
|
参考文献 |
84-88 |
|
攻读硕士学位期间发表的论文和取得的科研成果 |
88-89 |
|
致谢 |
89 |
|
| 【DOI】 | LunWen.ID:2.2008.388818 |
