畢業(yè)論文 基于神經(jīng)網(wǎng)絡(luò)的車型識(shí)別算法研究及實(shí)現(xiàn).doc
約56頁(yè)DOC格式手機(jī)打開展開
畢業(yè)論文 基于神經(jīng)網(wǎng)絡(luò)的車型識(shí)別算法研究及實(shí)現(xiàn),摘要 本文將bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于汽車車型的自動(dòng)識(shí)別，在簡(jiǎn)述車型圖像預(yù)處理和特征抽取的基礎(chǔ)上，重點(diǎn)討論神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的選取問題，采用一種分階段的訓(xùn)練方法對(duì)三類車型的36對(duì)樣本做訓(xùn)練和測(cè)試實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表現(xiàn)所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)能快速有效地識(shí)別汽車車型。 關(guān)鍵詞：bp神經(jīng)網(wǎng)絡(luò)自動(dòng)識(shí)別特征提取research of vehicle...
內(nèi)容介紹
此文檔由會(huì)員 ljjwl8321 發(fā)布
摘要
本文將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于汽車車型的自動(dòng)識(shí)別，在簡(jiǎn)述車型圖像預(yù)處理和特征抽取的基礎(chǔ)上，重點(diǎn)討論神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的選取問題，采用一種分階段的訓(xùn)練方法對(duì)三類車型的36對(duì)樣本做訓(xùn)練和測(cè)試實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表現(xiàn)所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)能快速有效地識(shí)別汽車車型。
關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò) 自動(dòng)識(shí)別 特征提取
Research of Vehicle Model Recognition Algorithm Based on Artificial Neural Networks
Author: Chen PeiFeng NO.:061403102
Supervisor: Wu ZhiPan
Abstract
BP neural network used in this paper, the automatic identification of vehicle models, a brief description of image preprocessing and feature extraction model based on focused selection of neural network learning algorithm, adopting a phased approach to the three types of training 36 cars to do the training and testing the sample experimental results show that the designed neural network can quickly and effectively identify car models.
Key words
BP neural network Automatic Identification Feature Extraction
目錄
摘要 3
第一章 緒論 7
1.1 問題的提出 7
1.2 車型識(shí)別方法的研究現(xiàn)狀 7
1.2.1 車型識(shí)別概述 8
1.2.2 國(guó)內(nèi)主要車型識(shí)別方法 8
1.2.3 國(guó)外主要車型識(shí)別方法 9
1.2.4國(guó)內(nèi)車型識(shí)別技術(shù)描述 10
1.2.5 惠州地區(qū)車型識(shí)別現(xiàn)狀 12
1.3 本文所做的主要工作和論文組織 12
1.3.1 本文的主要工作 12
1.3.2 本文的論文組織 13
第二章 車型圖像處理平臺(tái)及相關(guān)理論知識(shí) 14
2.1 圖像預(yù)處理的基本方法 14
2.1.1彩色圖像的灰度化 14
2.1.2光照不均勻校正 14
2.1.3圖像變換 15
2.1.4 圖像平滑 15
2.1.5 圖像銳化 16
2.2 圖像分割與特征提取 17
2.2.1圖像分割技術(shù) 18
2.2.2圖像分割步驟 18
2.2.3圖像特征提取類型 19
2.3 車型圖像識(shí)別中的系統(tǒng)組成 20
2.4車型圖像處理平臺(tái) 22
2.4.1車型圖像硬件平臺(tái) 22
2.4.2車型圖像的軟件平臺(tái) 22
2.5 本章小結(jié) 22
第三章 基于神經(jīng)網(wǎng)絡(luò)的車型識(shí)別 23
3.1 人工神經(jīng)網(wǎng)絡(luò)理論 23
3.1.1人工神經(jīng)網(wǎng)絡(luò)概述 23
3.2 BP神經(jīng)網(wǎng)絡(luò) 29
3.2.1 BP神經(jīng)網(wǎng)絡(luò)的原理 29
3.2.2 BP算法 30
3.2.3BP神經(jīng)網(wǎng)絡(luò)的性質(zhì)分析 32
3.3BP神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) 33
3.3.1 網(wǎng)絡(luò)結(jié)構(gòu) 33
3.3.2 學(xué)習(xí)算法 34
3.4 實(shí)驗(yàn)結(jié)果 37
第五章：總結(jié) 39
參考文獻(xiàn) 40
致謝 41
附錄一 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練代碼 42
附錄二 英文參考文獻(xiàn)原文 43
本文將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于汽車車型的自動(dòng)識(shí)別，在簡(jiǎn)述車型圖像預(yù)處理和特征抽取的基礎(chǔ)上，重點(diǎn)討論神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的選取問題，采用一種分階段的訓(xùn)練方法對(duì)三類車型的36對(duì)樣本做訓(xùn)練和測(cè)試實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表現(xiàn)所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)能快速有效地識(shí)別汽車車型。
關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò) 自動(dòng)識(shí)別 特征提取
Research of Vehicle Model Recognition Algorithm Based on Artificial Neural Networks
Author: Chen PeiFeng NO.:061403102
Supervisor: Wu ZhiPan
Abstract
BP neural network used in this paper, the automatic identification of vehicle models, a brief description of image preprocessing and feature extraction model based on focused selection of neural network learning algorithm, adopting a phased approach to the three types of training 36 cars to do the training and testing the sample experimental results show that the designed neural network can quickly and effectively identify car models.
Key words
BP neural network Automatic Identification Feature Extraction
目錄
摘要 3
第一章 緒論 7
1.1 問題的提出 7
1.2 車型識(shí)別方法的研究現(xiàn)狀 7
1.2.1 車型識(shí)別概述 8
1.2.2 國(guó)內(nèi)主要車型識(shí)別方法 8
1.2.3 國(guó)外主要車型識(shí)別方法 9
1.2.4國(guó)內(nèi)車型識(shí)別技術(shù)描述 10
1.2.5 惠州地區(qū)車型識(shí)別現(xiàn)狀 12
1.3 本文所做的主要工作和論文組織 12
1.3.1 本文的主要工作 12
1.3.2 本文的論文組織 13
第二章 車型圖像處理平臺(tái)及相關(guān)理論知識(shí) 14
2.1 圖像預(yù)處理的基本方法 14
2.1.1彩色圖像的灰度化 14
2.1.2光照不均勻校正 14
2.1.3圖像變換 15
2.1.4 圖像平滑 15
2.1.5 圖像銳化 16
2.2 圖像分割與特征提取 17
2.2.1圖像分割技術(shù) 18
2.2.2圖像分割步驟 18
2.2.3圖像特征提取類型 19
2.3 車型圖像識(shí)別中的系統(tǒng)組成 20
2.4車型圖像處理平臺(tái) 22
2.4.1車型圖像硬件平臺(tái) 22
2.4.2車型圖像的軟件平臺(tái) 22
2.5 本章小結(jié) 22
第三章 基于神經(jīng)網(wǎng)絡(luò)的車型識(shí)別 23
3.1 人工神經(jīng)網(wǎng)絡(luò)理論 23
3.1.1人工神經(jīng)網(wǎng)絡(luò)概述 23
3.2 BP神經(jīng)網(wǎng)絡(luò) 29
3.2.1 BP神經(jīng)網(wǎng)絡(luò)的原理 29
3.2.2 BP算法 30
3.2.3BP神經(jīng)網(wǎng)絡(luò)的性質(zhì)分析 32
3.3BP神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) 33
3.3.1 網(wǎng)絡(luò)結(jié)構(gòu) 33
3.3.2 學(xué)習(xí)算法 34
3.4 實(shí)驗(yàn)結(jié)果 37
第五章：總結(jié) 39
參考文獻(xiàn) 40
致謝 41
附錄一 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練代碼 42
附錄二 英文參考文獻(xiàn)原文 43
