基于视觉传感器网络目标识别方法的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-7页 |
| 第一章 绪论 | 第7-17页 |
| ·研究背景与研究方向 | 第7-8页 |
| ·研究背景 | 第7页 |
| ·本文研究方向 | 第7-8页 |
| ·课题研究现状与趋势 | 第8-14页 |
| ·视觉传感器网络的国内外现状 | 第8页 |
| ·红外图像分割的国内外现状 | 第8-9页 |
| ·图像配准国内外现状 | 第9-10页 |
| ·图像融合国内外现状 | 第10-11页 |
| ·目标识别国内外现状 | 第11-14页 |
| ·本文主要研究内容及章节安排 | 第14-17页 |
| 第二章 红外图像分割与目标对象提取 | 第17-27页 |
| ·红外辐射的基本定律 | 第18-19页 |
| ·高通滤波与图像增强 | 第19-20页 |
| ·高通滤波器 | 第19页 |
| ·Buterworth 高通滤波器 | 第19-20页 |
| ·局部熵计算 | 第20-21页 |
| ·区域生长法 | 第21-22页 |
| ·图像的膨胀和腐蚀运算 | 第22-23页 |
| ·图像的腐蚀运算 | 第22页 |
| ·图像的膨胀运算 | 第22-23页 |
| ·目标提取 | 第23-24页 |
| ·实验对比 | 第24-25页 |
| ·边缘检测方法 | 第24页 |
| ·图像分割方法 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 图像融合前的配准 | 第27-35页 |
| ·配准流程框图 | 第27页 |
| ·SIFT特征匹配算法 | 第27-29页 |
| ·估算变换参数与坐标变换 | 第29-30页 |
| ·插值 | 第30-31页 |
| ·配准的应用 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 视觉传感器网络的图像融合 | 第35-43页 |
| ·基于扩维贴近度的多传感器一致可靠性融合方法 | 第35-39页 |
| ·基于扩维贴近度的一致可靠性融合算法 | 第35-37页 |
| ·对比实验 | 第37-39页 |
| ·视觉传感器网络的图像融合 | 第39-42页 |
| ·基于像素点的融合算法 | 第39-40页 |
| ·实验对比分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 飞机类型与飞行姿态识别系统 | 第43-63页 |
| ·目标识别流程 | 第43-44页 |
| ·建立飞机目标图像库 | 第44-48页 |
| ·三维飞机建模 | 第45-46页 |
| ·三维飞机图像库的建立 | 第46-48页 |
| ·纹理识别 | 第48-50页 |
| ·纹理特征提取 | 第48-49页 |
| ·基于最小距离的判别 | 第49页 |
| ·具体实现方法 | 第49-50页 |
| ·K-L变换 | 第50-54页 |
| ·K-L变换的性质 | 第50-51页 |
| ·按 K-L 展开式进行特征选择 | 第51-52页 |
| ·降维特征矩阵与投影向量 | 第52-54页 |
| ·具体实现步骤 | 第54页 |
| ·Fisher线性判别 | 第54-58页 |
| ·Fisher 鉴别向量 | 第54-56页 |
| ·Fisher 判别规则 | 第56-57页 |
| ·具体实现步骤 | 第57-58页 |
| ·测试实验 | 第58-61页 |
| ·识别率实验 | 第58-59页 |
| ·飞机飞行姿态的识别实验 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第69页 |
