基于无人机图像的识别算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 课题研究内容与论文结构安排 | 第14-16页 |
| 第2章 目标识别原理 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 模式识别系统 | 第16-17页 |
| 2.3 图像特征提取 | 第17-21页 |
| 2.3.1 特征种类 | 第17-18页 |
| 2.3.2 特征分析 | 第18-21页 |
| 2.4 特征分类算法 | 第21-24页 |
| 2.4.1 支持向量机算法 | 第21-22页 |
| 2.4.2 自适应增强算法 | 第22-23页 |
| 2.4.3 贝叶斯学习算法 | 第23-24页 |
| 2.5 卷积神经网络 | 第24-25页 |
| 2.6 小结 | 第25-26页 |
| 第3章 基于SVM的无人机识别算法 | 第26-54页 |
| 3.1 引言 | 第26页 |
| 3.2 无人机特征提取 | 第26-38页 |
| 3.2.1 H特征 | 第26-31页 |
| 3.2.2 LBP特征 | 第31-35页 |
| 3.2.3 形状特征 | 第35-38页 |
| 3.3 SVM分类器 | 第38-44页 |
| 3.3.1 基本原理 | 第38-39页 |
| 3.3.2 线性可分 | 第39-41页 |
| 3.3.3 线性不可分 | 第41-43页 |
| 3.3.4 SVM的优缺点 | 第43-44页 |
| 3.4 基于SVM的识别算法流程 | 第44-46页 |
| 3.5 实验结果与分析 | 第46-51页 |
| 3.5.1 实验环境 | 第46页 |
| 3.5.2 实验样本的选取 | 第46-47页 |
| 3.5.3 实验分析 | 第47-51页 |
| 3.6 小结 | 第51-54页 |
| 第4章 基于级联卷积网络的无人机识别算法 | 第54-70页 |
| 4.1 引言 | 第54页 |
| 4.2 总体流程 | 第54-55页 |
| 4.3 网络模型设计 | 第55-63页 |
| 4.3.1 级联网络结构设计 | 第55-57页 |
| 4.3.2 网络训练 | 第57-60页 |
| 4.3.3 网络测试 | 第60-63页 |
| 4.4 实验结果与分析 | 第63-67页 |
| 4.4.1 无人机分类评估 | 第63-64页 |
| 4.4.2 无人机检测评估 | 第64-67页 |
| 4.5 小结 | 第67-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第78-80页 |
| 致谢 | 第80页 |
