基于流形学习的水下图像降维方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 概述 | 第10-20页 |
| 1.1 引言 | 第10-11页 |
| 1.2 水下成像系统技术及水下图像特点 | 第11-14页 |
| 1.2.1 水下成像系统技术及应用 | 第11-13页 |
| 1.2.2 水下图像特点 | 第13-14页 |
| 1.3 流形学习方法的背景 | 第14-18页 |
| 1.3.1 流形学习方法介绍 | 第15-16页 |
| 1.3.2 流形学习方法的应用现状 | 第16-18页 |
| 1.4 本文的主要工作和内容安排 | 第18-20页 |
| 2 水下图像的获取及处理 | 第20-27页 |
| 2.1 水下图像的获取 | 第20-23页 |
| 2.1.1 水的光学特性 | 第20-21页 |
| 2.1.2 水下图像的成像原理 | 第21-23页 |
| 2.1.3 实验光源 | 第23页 |
| 2.2 水下图像增强 | 第23-25页 |
| 2.3 水下图像复原 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 流形学习方法 | 第27-48页 |
| 3.1 流形的基本定义 | 第27-29页 |
| 3.2 流形学习的定义 | 第29-30页 |
| 3.3 传统线性降维方法 | 第30-37页 |
| 3.3.1 主分量分析 PCA 算法 | 第31-34页 |
| 3.3.2 多维尺度变换 MDS | 第34-37页 |
| 3.4 非线性流形学习方法 | 第37-47页 |
| 3.4.1 全局特性保持的 Isomap 方法 | 第39-42页 |
| 3.4.2 局部线性嵌入 LLE 方法 | 第42-44页 |
| 3.4.3 拉普拉斯特征映射 LE | 第44-46页 |
| 3.4.4 方法分析小结 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 流形学习方法在水下图像中的研究 | 第48-56页 |
| 4.1 流形学习方法处理水下图像的概述 | 第48页 |
| 4.2 向量数据重构图像 | 第48-49页 |
| 4.3 三种流形学习算法处理水下图像仿真研究 | 第49-53页 |
| 4.3.1 Isomap 仿真实现 | 第49-50页 |
| 4.3.2 LLE 仿真实现 | 第50-52页 |
| 4.3.3 LE 仿真实现 | 第52-53页 |
| 4.4 各方法比较与分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 总结及展望 | 第56-58页 |
| 5.1 研究工作总结 | 第56页 |
| 5.2 今后工作展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 个人简历 | 第62-63页 |
| 研究生期间发表学位论文情况 | 第63-64页 |
