基于侧扫声呐图像的底质特征提取及分类技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 海底底质特征提取研究现状 | 第11页 |
| 1.2.2 海底底质分类研究现状 | 第11-13页 |
| 1.3 论文的主要内容 | 第13-14页 |
| 第2章 声呐图像处理及分析方法 | 第14-22页 |
| 2.1 图像处理基本过程 | 第14页 |
| 2.2 图像去噪与复原 | 第14-16页 |
| 2.2.1 侧扫声呐图像噪声特性 | 第14-15页 |
| 2.2.2 图像去噪基本方法 | 第15-16页 |
| 2.3 图像校正与增强 | 第16-18页 |
| 2.3.1 侧扫声呐图像的能量损失 | 第16页 |
| 2.3.2 图像校正与增强基本方法 | 第16-18页 |
| 2.4 图像特征提取 | 第18-20页 |
| 2.4.1 声呐图像的主要特征 | 第18-19页 |
| 2.4.2 图像特征提取基本方法 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 第3章 海底底质声呐图像预处理研究 | 第22-38页 |
| 3.1 截图干扰程度探究实验 | 第22-24页 |
| 3.2 图像平滑去噪 | 第24-30页 |
| 3.2.1 排序自适应中值滤波 | 第24-26页 |
| 3.2.2 高斯平滑 | 第26-27页 |
| 3.2.3 小波变换 | 第27-30页 |
| 3.3 图像特征增强 | 第30-33页 |
| 3.3.1 直方图均衡化 | 第30-31页 |
| 3.3.2 分段线性变换 | 第31-33页 |
| 3.4 图像预处理结果及分析 | 第33-36页 |
| 3.4.1 基于空间滤波和灰度均衡化的图像增强 | 第33-35页 |
| 3.4.2 基于小波变换和分段线性变换的图像增强 | 第35页 |
| 3.4.3 实验结果对比分析 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 海底底质图像多特征提取研究 | 第38-48页 |
| 4.1 基于灰度共生矩阵的统计特征提取 | 第38-40页 |
| 4.1.1 灰度共生矩阵的生成 | 第38-39页 |
| 4.1.2 灰度共生矩阵统计特征量的提取 | 第39-40页 |
| 4.2 基于像素点覆盖法的分形维特征参数提取 | 第40-43页 |
| 4.2.1 分形维数特征的物理意义 | 第40-41页 |
| 4.2.2 分形维数特征参数的提取 | 第41-43页 |
| 4.3 基于小波变换的通道能量特征值提取 | 第43页 |
| 4.4 海底底质图像的多特征值提取 | 第43-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第5章 海底底质分类算法研究 | 第48-58页 |
| 5.1 提升方法AdaBoost算法 | 第48-52页 |
| 5.1.1 AdaBoost算法简介 | 第48页 |
| 5.1.2 AdaBoost算法流程 | 第48-51页 |
| 5.1.3 AdaBoost算法分类结果分析 | 第51-52页 |
| 5.2 支持向量机 | 第52-57页 |
| 5.2.1 支持向量机算法简介 | 第52-53页 |
| 5.2.2 核函数及核技巧 | 第53-54页 |
| 5.2.3 支持向量机算法流程 | 第54-55页 |
| 5.2.4 支持向量机分类结果分析 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-66页 |
| 致谢 | 第66页 |
