| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究背景、目的与意义 | 第11-12页 |
| ·课题研究背景 | 第11页 |
| ·课题研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本课题所做主要工作 | 第13-14页 |
| ·论文结构安排 | 第14-16页 |
| 第2章 水面目标识别相关技术 | 第16-27页 |
| ·目标图像预处理技术 | 第16-18页 |
| ·图像灰度化处理 | 第16页 |
| ·图像平滑去噪 | 第16-18页 |
| ·目标图像分割技术 | 第18-21页 |
| ·图像分割基本原理 | 第18-19页 |
| ·常用图像分割技术 | 第19-21页 |
| ·图像分割评价标准 | 第21页 |
| ·图像特征提取技术 | 第21-23页 |
| ·图像特征提取概述 | 第21-22页 |
| ·图像特征提取技术原理 | 第22-23页 |
| ·目标图像识别技术 | 第23-26页 |
| ·图像识别概述 | 第23-24页 |
| ·目标图像识别方法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 无人艇水面目标图像平滑与分割技术研究 | 第27-42页 |
| ·水面目标图像常见特点 | 第27页 |
| ·Mean-Shift 图像平滑与分割算法 | 第27-32页 |
| ·Mean-Shift 算法基本原理 | 第27-29页 |
| ·图像平滑与分割算法实现步骤 | 第29-30页 |
| ·传统 Mean-Shift 平滑与分割算法仿真实验 | 第30-32页 |
| ·自适应 Mean-Shift 算法研究 | 第32-37页 |
| ·传统 Mean-Shift 算法存在问题 | 第32页 |
| ·自适应 Mean-Shift 算法原理 | 第32-35页 |
| ·自适应 Mean-Shift 算法实现分析 | 第35-37页 |
| ·无人艇水面目标图像自适应平滑与分割实验 | 第37-41页 |
| ·水面目标图像自适应平滑与分割 | 第38-40页 |
| ·水面目标图像平滑对比实验 | 第40页 |
| ·水面目标图像分割对比实验 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 水面目标图像特征提取技术研究 | 第42-57页 |
| ·水面目标图像特征提取概述 | 第42页 |
| ·基于灰度共生矩阵的水面目标纹理特征提取 | 第42-44页 |
| ·灰度共生矩阵的建立 | 第43页 |
| ·水面目标纹理特征提取 | 第43-44页 |
| ·无人艇水面目标的形状特征提取 | 第44-49页 |
| ·水面目标的轮廓特征提取 | 第44-45页 |
| ·水面目标的几何特征定义 | 第45-47页 |
| ·水面目标的不变矩特征提取 | 第47-49页 |
| ·水面目标特征提取仿真实验 | 第49-56页 |
| ·水面目标纹理特征提取仿真实验 | 第49-50页 |
| ·水面目标形状特征提取仿真实验 | 第50-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 BP 神经网络多目标识别算法研究 | 第57-69页 |
| ·水面目标识别算法应用概述 | 第57页 |
| ·BP 神经网络识别算法研究 | 第57-65页 |
| ·神经网络基本理论概述 | 第57-59页 |
| ·BP 神经网络识别算法基本原理 | 第59-64页 |
| ·BP 神经网络算法应用常见问题分析 | 第64-65页 |
| ·BP 神经网络多目标识别优化算法设计 | 第65-68页 |
| ·目标样本库的主分量优化分析 | 第65-67页 |
| ·BP 神经网路多目标识别技术设计 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 水面目标识别仿真实验结果与分析 | 第69-86页 |
| ·水面目标识别系统搭建 | 第69-70页 |
| ·水面目标图像特征库建立 | 第70-80页 |
| ·水面目标图像库的建立 | 第70-73页 |
| ·水面目标特征库建立 | 第73-80页 |
| ·水面目标识别仿真实验 | 第80-85页 |
| ·礁石、岛屿与船只的分类识别 | 第80-83页 |
| ·不同类型船舶的分类识别 | 第83-85页 |
| ·本章小结 | 第85-86页 |
| 结论 | 第86-88页 |
| 参考文献 | 第88-93页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第93-94页 |
| 致谢 | 第94页 |