遥感图像中飞机目标的识别分类算法研究
内容提要 | 第1-8页 |
第一章 绪论 | 第8-11页 |
·课题的背景与研究意义 | 第8页 |
·遥感图像自动识别的发展现状 | 第8-10页 |
·本课题的主要工作内容及预期目标 | 第10-11页 |
·本课题主要研究内容 | 第10页 |
·本课题预期达到的目标 | 第10-11页 |
第二章 自动识别系统的设计 | 第11-14页 |
·系统总体框架 | 第11-13页 |
·图像数据管理子系统 | 第11-12页 |
·图像输入子系统(Input) | 第12页 |
·图象预处理子系统(Preprocessing) | 第12页 |
·目标定位子系统(Detecting) | 第12页 |
·目标识别子系统(Recognition) | 第12页 |
·数据库子系统(Database) | 第12-13页 |
·情报生成子系统(Information) | 第13页 |
·说明 | 第13-14页 |
第三章 航空遥感图像的预处理 | 第14-22页 |
·图像对比度处理 | 第14-16页 |
·线性和分段线性灰度拉伸 | 第14-15页 |
·自由曲线灰度拉伸 | 第15页 |
·直方图均衡 | 第15-16页 |
·图像放大 | 第16-17页 |
·图像去噪 | 第17-22页 |
·基于小波标架的图像去噪 | 第18-21页 |
·小波标架 | 第18-19页 |
·算法介绍 | 第19-21页 |
·实验与结论 | 第21-22页 |
第四章 飞机区域的边缘提取及分割 | 第22-44页 |
·边缘提取 | 第22-27页 |
·微分法 | 第22-25页 |
·曲线跟踪法 | 第25-26页 |
·松弛标记法 | 第26页 |
·掩膜法 | 第26-27页 |
·图像分割 | 第27-44页 |
·概述 | 第27-28页 |
·图像分割的定义 | 第28-29页 |
·利用边缘检测的图像分割 | 第29-32页 |
·阈值法分割 | 第32-37页 |
·最优阈值法分割技术 | 第33-34页 |
·自适应阈值法分割技术 | 第34-35页 |
·迭代阈值法分割技术 | 第35-36页 |
·实验结果 | 第36-37页 |
·改进区域分割方法 | 第37-41页 |
·自适应阈值的选择 | 第37-39页 |
·基于自适应的改进区域分割方法 | 第39-40页 |
·实验结果 | 第40-41页 |
·模糊差影滤波分割 | 第41-44页 |
·高斯模糊 | 第41-42页 |
·差影处理 | 第42-43页 |
·差影处理实验结果 | 第43-44页 |
第五章 飞机目标的特征提取 | 第44-65页 |
·概述 | 第44页 |
·不变矩 | 第44-52页 |
·常规矩 | 第44-46页 |
·仿射不变矩 | 第46-48页 |
·新不变矩 | 第48-50页 |
·傅立叶梅林不变矩 | 第50-51页 |
·模糊不变矩 | 第51-52页 |
·边矩 | 第52页 |
·小波矩 | 第52-54页 |
·小波矩不变量 | 第53-54页 |
·模糊仿射不变矩 | 第54-59页 |
·模糊不变矩 | 第55-56页 |
·模糊仿射不变矩 | 第56-59页 |
·实验结果 | 第59-65页 |
·模糊仿射不变矩实验结果 | 第59-65页 |
·原始图像的仿射不变矩实验结果 | 第59-60页 |
·处理高斯模糊(σ=3 ) 图像 | 第60-61页 |
·处理不同种类目标图像 | 第61-65页 |
第六章 分类器的设计 | 第65-75页 |
·BP 神经网络及BP 算法介绍 | 第65-66页 |
·基于BP 网人工神经网络分类器设计 | 第66-69页 |
·基于小波神经网络目标识别 | 第69-73页 |
·实验结果及数据统计 | 第73-75页 |
第七章 结论 | 第75-77页 |
参考文献 | 第77-79页 |
摘要 | 第79-82页 |
Abstract | 第82-85页 |
致谢 | 第85页 |