声明
摘要
第1章 绪论
1.1 研究的背景和意义
1.2 研究现状
1.3 论文的研究内容
1.4 论文的组织结构与创新点
第2章 图像预处理的改进与实现
2.1 图像噪声
2.2 图像去噪
2.2.1 空间域去噪
2.2.2 变换域去噪
2.2.3 形态学去噪
2.3 图像分割
2.3.1 Otsu阈值分割算法
2.3.2 边缘检测
2.3.3 K均值聚类
2.4 一种改进的阈值分割算法
2.5 一种改进的K-means聚类
2.6 本章小结
第3章 特征选择与提取的实现与分析
3.1 HU矩特征
3.2 仿射不变矩特征
3.3 灰度共生矩特征
3.4 目标特征选择方法
3.5 实验仿真
3.6 本章小结
第4章 模糊支持向量机理论与编程实现
4.1 模糊数学理论
4.1.1 模糊数学的发展历程
4.1.2 模糊集
4.1.3 几种常见的模糊隶属度函数
4.2 支持向量机理论
4.2.1 经验风险
4.2.2 结构风险最小化
4.2.3 最优超平面
4.2.4 VC维数
4.2.5 核函数
4.3 FSVM理论
4.3.1 第一种模糊支持向量机
4.3.2 第二种模糊支持向量机
4.4 模糊隶属度核函数的选择
4.4.1 基于类中心距离的隶属度函数
4.4.2 基于S型函数的隶属度函数
4.4.3 基于π型函数的隶属度函数
4.5 FSVM算法的编程实现
4.6 本章小结
第5章 基于FSVM的识别系统实现
5.1 FSVM识别系统的架构
5.2 图像预处理部分的实现
5.2.1 文件的打开与显示
5.2.2 预处理模块图像增强的执行
5.2.3 预处理模块图像分割的执行
5.3 特征提取部分的实现
5.3.1 文件的打开与显示
5.3.2 传感器类型的选择
5.3.3 计算相应的特征值
5.3.4 特征值的存储
5.4 目标特征数据库系统的技术实现
5.4.1 特征数据库管理系统的构建
5.4.2 目标动态特征库管理技术
5.4.3 目标特征数据库建立
5.4.4 数据库管理系统编程实现
5.5 模型训练部分
5.6 目标识别部分
5.6.1 目标识别模块工作流程与结果显示
5.6.2 目标识别结果分析与对比
5.7 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和获得的科研成果
致谢