| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题的引出 | 第9页 |
| ·国内外海面溢油监测方法综述 | 第9-11页 |
| ·航空遥感监测 | 第9-10页 |
| ·卫星遥感监测 | 第10-11页 |
| ·国内外海面溢油识别方法综述 | 第11-15页 |
| ·自动分类 | 第12-13页 |
| ·纹理特征分析 | 第13页 |
| ·图像分割 | 第13-14页 |
| ·面向对象的遥感信息提取 | 第14-15页 |
| ·本文研究的方法和思路 | 第15-16页 |
| 第2章 SAR卫星图像特征分析 | 第16-20页 |
| ·星载合成孔径雷达的成像机理 | 第16页 |
| ·合成孔径雷达图像的特点 | 第16-20页 |
| 第3章 SAR溢油图像预处理 | 第20-28页 |
| ·图像增强与图像取反 | 第20-23页 |
| ·图像二值化 | 第23-28页 |
| ·双峰法 | 第23-24页 |
| ·迭代法 | 第24-25页 |
| ·简单统计法 | 第25页 |
| ·最大类间方差法(OTSU法) | 第25-26页 |
| ·几种阀值选取方法的分析比较 | 第26-28页 |
| 第4章 SAR溢油图像对象的提取 | 第28-36页 |
| ·连通分量的提取 | 第28-30页 |
| ·去除小对象 | 第30-32页 |
| ·选取对象识别块 | 第32-36页 |
| 第5章 SAR溢油图像特征提取 | 第36-41页 |
| ·纹理特征的提取方法 | 第36-41页 |
| ·基于图像灰度直方图的特征提取 | 第36-37页 |
| ·基于图像灰度差值直方图的特征提取 | 第37-38页 |
| ·基于图像灰度共生矩阵的特征提取 | 第38-41页 |
| 第6章 人工神经网络 | 第41-48页 |
| ·多层前向神经网络MLFN | 第41-42页 |
| ·自组织神经网络—SOM和ART | 第42-44页 |
| ·Hopfield神经网络 | 第44-46页 |
| ·RBF神经网络 | 第46-48页 |
| 第7章 基于SAR溢油对象的海面溢油识别系统的实现 | 第48-52页 |
| ·开发工具的选择与设置 | 第48页 |
| ·基于SAR溢油对象的海面溢油识别系统结构模型 | 第48页 |
| ·SAR图像预处理 | 第48-49页 |
| ·SAR图像中检测对象的提取 | 第49页 |
| ·查找对象中心点 | 第49页 |
| ·选取识别块 | 第49-51页 |
| ·建立RBF神经网络 | 第51页 |
| ·对象纹理识别 | 第51-52页 |
| 第8章 系统测试结果评估与进一步工作分析 | 第52-58页 |
| ·系统测试结果评估 | 第52-56页 |
| ·进一步工作分析 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间公开发表论文 | 第61-62页 |
| 致谢 | 第62-63页 |
| 研究生履历 | 第63页 |