| 第1章 绪论 | 第1-16页 |
| 1．1 论文研究的目的和意义 | 第10页 |
| 1．2 莫尔斯信号检测的研究现状 | 第10-11页 |
| 1．3 莫尔斯信号和噪声信号的特点 | 第11-12页 |
| 1．4 莫尔斯信号的发展 | 第12-13页 |
| 1．5 数字图像处理技术 | 第13-15页 |
| 1．5．1 数字图像处理的方法 | 第13-14页 |
| 1．5．2 数字图像处理的内容 | 第14-15页 |
| 1．6 论文的安排 | 第15-16页 |
| 第2章 噪声、语音和莫尔斯信号的基本特征 | 第16-21页 |
| 2．1 噪声的分类 | 第16-17页 |
| 2．1．1 周期性噪声 | 第16页 |
| 2．1．2 脉冲噪声 | 第16-17页 |
| 2．1．3 “风声”噪声 | 第17页 |
| 2．1．4 平稳/非平稳噪声 | 第17页 |
| 2．1．5 宽带噪声 | 第17页 |
| 2．2 莫尔斯信号的时域、频域特征 | 第17-19页 |
| 2．2．1 莫尔斯信号的时域特征 | 第17-18页 |
| 2．2．2 频域特征 | 第18-19页 |
| 2．3 三维时频谱图 | 第19-20页 |
| 2．4 本章小结 | 第20-21页 |
| 第3章 基于三维谱图的莫尔斯信号的自动检测算法研究 | 第21-61页 |
| 3．1 三维谱图的形成 | 第21-24页 |
| 3．1．1 短时傅立叶变换 | 第21-22页 |
| 3．1．2 三维谱图 | 第22-24页 |
| 3．2 图像增强 | 第24-36页 |
| 3．2．1 图像增强概述 | 第24-25页 |
| 3．2．2 基于小波变换的图像增强 | 第25-32页 |
| 3．2．3 基于对比度增强算法 | 第32-33页 |
| 3．2．3 两种算法的增强结果分析 | 第33-36页 |
| 3．3 图像分割 | 第36-45页 |
| 3．3．1 图像分割概述 | 第36页 |
| 3．3．2 图像分割的定义 | 第36-37页 |
| 3．3．3 图像分割技术 | 第37页 |
| 3．3．4 基于灰度期望值的阈值分割算法 | 第37-39页 |
| 3．3．5 基于类间最大方差的自适应阈值分割算法 | 第39-42页 |
| 3．3．6 基于局部阈值的图像二值化算法 | 第42-43页 |
| 3．3．7 三种分割算法的比较 | 第43-45页 |
| 3．4 数学形态学处理 | 第45-52页 |
| 3．4．1 二值数学形态学的基本运算 | 第46-50页 |
| 3．4．2 用数学形态学对莫尔斯信号图像的处理 | 第50-52页 |
| 3．5 特征提取和去噪 | 第52-55页 |
| 3．5．1 概述 | 第52-53页 |
| 3．5．2 特征选择 | 第53-55页 |
| 3．5．3 通过特征判断莫尔斯和去除噪声的步骤 | 第55页 |
| 3．6 几种非莫尔斯信号的处理 | 第55-59页 |
| 3．6．1 莫尔斯码彼此互相间隔的情况 | 第55-57页 |
| 3．6．2 某一帧图像中不含有任何的信号的情况 | 第57-58页 |
| 3．6．3 等间隔、等长度的类莫尔斯信号 | 第58-59页 |
| 3．7 实验数据测试结果和算法存在的问题分析 | 第59-60页 |
| 3．7．1 实验数据测试结果 | 第59-60页 |
| 3．7．2 算法存在的问题 | 第60页 |
| 3．8 本章小结 | 第60-61页 |
| 第4章 莫尔斯信号的识别算法研究 | 第61-67页 |
| 4．1 判定算法 | 第61-62页 |
| 4．1．1 判决方法的介绍和比较 | 第61-62页 |
| 4．1．2 优化的冈瑟算法及初始长度的确定 | 第62页 |
| 4．2 译码算法 | 第62-64页 |
| 4．3 纠错和实验结果 | 第64-66页 |
| 4．3．1 纠错算法 | 第64-65页 |
| 4．3．2 实验结果 | 第65-66页 |
| 4．4 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |