| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 笫一章 绪论 | 第10-18页 |
| §1．1 课题研究背景及任务 | 第10-11页 |
| §1．2 研究对象的特点分析 | 第11-14页 |
| 1．2．1 遥感图像种类及特点 | 第11-13页 |
| 1．2．2 遥感图像目标的特性特征和识别机理 | 第13-14页 |
| §1．3 图像目标识别技术介绍 | 第14-17页 |
| 1．3．1 图像目标识别基本概念和方法 | 第14-16页 |
| 1．3．2 图像识别技术所面临的问题和发展趋势 | 第16-17页 |
| §1．4 本文的主要内容 | 第17-18页 |
| 第二章 课题预备知识 | 第18-35页 |
| §2．1 遥感图像目标识别中的信息融合 | 第18-25页 |
| 2．1．1 图像融合目标识别基本原理 | 第18页 |
| 2．1．2 图像融合目标识别层次分类及方法 | 第18-20页 |
| 2．1．3 模糊综合在目标识别融合中的应用 | 第20-22页 |
| 2．1．4 基于修正的D-S证据理论在目标识别融合中的应用 | 第22-25页 |
| §2．2 图像预处理方法 | 第25-35页 |
| 2．2．1 基于区域的图像分割 | 第25-27页 |
| 2．2．2 基于边缘的图像分割 | 第27-32页 |
| 2．2．3 小区域和噪声去除 | 第32-34页 |
| 2．2．4 本文采用的图像目标分割方法 | 第34-35页 |
| 第三章 直线性大目标识别方法 | 第35-60页 |
| §3．1 简介 | 第35-36页 |
| §3．2 直线性目标特征模型 | 第36-37页 |
| 3．2．1 机场跑道的特征模型 | 第36页 |
| 3．2．2 港口码头的特征模型 | 第36-37页 |
| §3．3 直线检测方法 | 第37-45页 |
| 3．3．1 启发式连接法 | 第37页 |
| 3．3．2 相位编组法 | 第37-38页 |
| 3．3．3 假设检验的方法 | 第38-39页 |
| 3．3．4 折合直线的方法 | 第39-40页 |
| 3．3．5 Radon变换法 | 第40-41页 |
| 3．3．6 Hough变换法 | 第41-43页 |
| 3．3．7 层次记号编组法 | 第43-44页 |
| 3．3．8 各方法性能比较 | 第44-45页 |
| §3．4 机场跑道的识别 | 第45-54页 |
| 3．4．1 机场跑道识别基本思想 | 第45-46页 |
| 3．4．2 机场跑道识别算法实现 | 第46-52页 |
| 3．4．3 实验结果 | 第52-53页 |
| 3．4．4 基于Hough变换识别直线目标方法的推广 | 第53-54页 |
| §3．5 港口识别 | 第54-60页 |
| 3．5．1 港口识别基本思想 | 第54-56页 |
| 3．5．2 港口识别算法实现 | 第56-59页 |
| 3．5．3 实验结果 | 第59-60页 |
| 第四章 基于信息融合的遥感图像小目标识别方法研究 | 第60-73页 |
| §4．1 小目标识别方法简介 | 第60-61页 |
| §4．2 不变矩技术 | 第61-65页 |
| 4．2．1 Hu's不变矩基本概念 | 第61-63页 |
| 4．2．2 不变矩识别率的问题 | 第63-65页 |
| §4．3 基于信息融合的遥感图像小目标快速识别算法 | 第65-73页 |
| 4．3．1 算法思想和流程 | 第65-67页 |
| 4．3．2 算法的具体实现 | 第67-71页 |
| 4．3．3 实验结果及结论 | 第71-73页 |
| 第五章 总结与展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 发表论文情况 | 第75-76页 |
| 参考文献 | 第76-78页 |
