資源描述：
《基于小波矩和小波神經(jīng)網(wǎng)絡(luò)的自動目標(biāo)識別研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、東南大學(xué)博士學(xué)位論文基于小波矩和小波神經(jīng)網(wǎng)絡(luò)的自動目標(biāo)識別研究姓名：潘泓申請學(xué)位級別：博士專業(yè)：模式識別與智能系統(tǒng)指導(dǎo)教師：夏良正20040301i：：?{—墨雪夫筆ii!蘭篁堡蘭基于小沒矩稆小渡嬸經(jīng)潮絡(luò)的目動目標(biāo)識剮塒f宄影變換的二二維多尺度小波變換矩快速算法。該快速算法通過投影變換將二維圖像小波變換低頻分量信患投影到一維空潤中，降氮了多足發(fā)小波交捩怒的計算受雜發(fā)，露且爨誕了計籜禧度。5。提出了一種基于目標(biāo)邊界特征的小波神經(jīng)網(wǎng)絡(luò)識別方法。該方法利用小波神綴網(wǎng)絡(luò)整臺小波分毫蠢提取信號爨部奄凳特薤穢人工{
2、棗經(jīng)網(wǎng)終鴦漣應(yīng)學(xué)習(xí)分類懿優(yōu)點(diǎn)，娃磊標(biāo)逸器篾范純曲率瀚數(shù)在特定足魔和位置處的連續(xù)小波變換模德為特征進(jìn)行自渤目標(biāo)分類。小波神經(jīng)元尺度和位移參數(shù)的初值可以由目標(biāo)邊界曲率的時頻分析確定，同時，網(wǎng)絡(luò)能通過訓(xùn)練自適應(yīng)地調(diào)整這些尺度和位移參數(shù)，使小波神經(jīng)元能自動提取井選擇區(qū)分備類目標(biāo)形狀羞努的最霞足度毽予鞠位移因子，鞭兩霹譴在噪聲較大斡演猿下，小渡毒串經(jīng)禚媳蠢較妊斡分類麓力。對于多類鞠標(biāo)識別的場臺，本文設(shè)計了一種MNSO(MultiNetworkSingleOutput)型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。與傳統(tǒng)多目標(biāo)分類網(wǎng)絡(luò)相比．MN
3、SO模型靈活性更大，MNSO可以根據(jù)目標(biāo)炎別數(shù)量鰉潑變，魂態(tài)她增減菁鞋訓(xùn)練神經(jīng)予瓣，扶露自適巍逡調(diào)整霹絡(luò)結(jié)梭。6．提出了一種基于圖像邊緣的任意階矩的計算方法。該算法利用格林定理，將計算復(fù)雜度由o(_vz)降為D(．v)，采用曲線參數(shù)方程沿圖像邊緣進(jìn)行曲線積分，得出了任意階矩的統(tǒng)一聞式袋速式。逶遘封竣臻點(diǎn)坐耘迸行徽調(diào)，撮大遺掇麓了尼褥矩幫艇不交量囂詩冀狡痰。7．提出了一種具有平移、尺度和旋轉(zhuǎn)不變性的小波變換，為目標(biāo)識別提供了可靠、健壯的不變性小波變換系數(shù)。關(guān)鍵詞：自動目標(biāo)識別，小波分析，小波不變矩，小波神
4、經(jīng)網(wǎng)絡(luò)·Il·AbstractAutomatictargetrecognition(ATR)isOneofthekeytechniquesofindustrialmachinevisionapplicationandweaponterminalguidancesystem，Beingavery．hardresearchwork，itcatchesgreatattentionofthemilitaryauthoritiesaroundtheworld，andgreateffortsandres001℃es
5、havebeeninvestedrecently．VariousATRs”tems，orientedincomplicatedtireumstunces，haveemergedinrecent40years。I-{owever，becauseofthecomplexityandspecialityofATRresearcll’mostcurrenttargetrecognitionmethods}basedontmditiOhalfeaturematchingtechniques，cannotprovi
6、desatisfactoryperformance．Waveletanalysis，whichisabletocapturebothspatialandfrequencylocalizationandprovideglobalapproximationinformationandlocaldetailinformationatdifferentscales。haabecomealleffectivetoolforsignalprocessingand婦ageunderstanding．Momentinv
7、ariants，withsimplemathematicalrepresentationandperfecttheoreticalffamework,arewell—suitedforinvarianttargetrecognitionduetotheirinvariancetogeneralaffinetransformsandinsensitivitytonoise．Latestresearchdemonstratesthatthevisiondiscriminationpoweroflow—lev
8、elmarrkrnalsexceedsanypracticalATRalgorithmsinrise，Therefore，theresearchofnovelATRtechnique，whichcombinestime-frequencylocalizationpropertiesofmultiresolutionwaveletanalysis，geometrictransformsinvarianceofmomentinvariantsw
