基于支持向量机的高分辨率遥感影像的目标检测研究
| 摘要 | 第1-6页 |
| ABSTRACT(英文摘要) | 第6-12页 |
| 第一章 绪论 | 第12-30页 |
| ·引言 | 第12-13页 |
| ·目标检测概述 | 第13-17页 |
| ·目标检测的定义 | 第14-15页 |
| ·目标检测的意义 | 第15-17页 |
| ·高分辨率遥感影像的目标检测 | 第17-24页 |
| ·高分辨率遥感影像 | 第17-19页 |
| ·高分辨率遥感影像的应用 | 第19-23页 |
| ·遥感目标检测技术的发展趋势 | 第23-24页 |
| ·统计学习理论和支持向量机方法 | 第24-25页 |
| ·本文研究的研究范围和结构 | 第25-30页 |
| ·研究的内容、目的和方法 | 第25-26页 |
| ·技术路线 | 第26页 |
| ·论文的内容和结构 | 第26-30页 |
| 第二章 统计学习理论和支持向量机方法 | 第30-52页 |
| ·引言 | 第30-31页 |
| ·机器学习的模型 | 第31-34页 |
| ·主要的学习问题 | 第31-32页 |
| ·经验风险最小化原则 | 第32-34页 |
| ·学习的复杂性和推广能力 | 第34页 |
| ·统计学习理论 | 第34-40页 |
| ·学习过程一致性的条件 | 第35-36页 |
| ·函数集的学习能力和VC维 | 第36-38页 |
| ·学习机器推广性的界 | 第38-39页 |
| ·结构风险最小化原则 | 第39-40页 |
| ·支持向量机方法 | 第40-51页 |
| ·最优分类超平面 | 第41-44页 |
| ·广义的最优分类超平面 | 第44-45页 |
| ·支持向量机 | 第45-48页 |
| ·支持向量机的训练算法 | 第48-51页 |
| ·总结 | 第51-52页 |
| 第三章 支持向量机在目标检测中的初步应用 | 第52-78页 |
| ·引言 | 第52-53页 |
| ·目标检测算法概述 | 第53-59页 |
| ·基于知识的检测方法 | 第54页 |
| ·模板匹配的检测方法 | 第54-56页 |
| ·基于视觉子空间的检测方法 | 第56-57页 |
| ·基于基本特征的检测方法 | 第57-58页 |
| ·基于样本学习的检测方法 | 第58-59页 |
| ·基于SVMs的遥感影像目标检测 | 第59-63页 |
| ·基于SVMs的遥感影像目标检测方案 | 第60-62页 |
| ·试验设计 | 第62-63页 |
| ·样本的采集和预处理 | 第63-67页 |
| ·样本的采集 | 第63-64页 |
| ·样本预处理， | 第64-67页 |
| ·SVMs分类器的检测效果 | 第67-76页 |
| ·核函数的选择 | 第67-68页 |
| ·相关分类器系数对结果的影响 | 第68-70页 |
| ·样本不对称问题及其解决方法 | 第70-72页 |
| ·相关讨论 | 第72-76页 |
| ·总结 | 第76-78页 |
| 第四章 目标检测的影像表征方法 | 第78-100页 |
| ·引言 | 第78-79页 |
| ·小波分析理论 | 第79-86页 |
| ·连续小波变换和离散小波变换 | 第79-82页 |
| ·信号的多分辨率分析 | 第82-84页 |
| ·二维信号的小波分解 | 第84-86页 |
| ·基于小波表征的目标检测 | 第86-97页 |
| ·基于Haar小波的影像分解 | 第86-88页 |
| ·基于小波系数的目标检测 | 第88-97页 |
| ·总结 | 第97-100页 |
| 第五章 样本的选择和单类检测 | 第100-120页 |
| ·引言 | 第100-101页 |
| ·自举的样本选择理论 | 第101-106页 |
| ·基于机器学习的样本选择理论 | 第101-104页 |
| ·目标检测中的样本选择算法 | 第104-106页 |
| ·样本选择试验与讨论 | 第106-110页 |
| ·试验方案设计 | 第106页 |
| ·结果与讨论 | 第106-110页 |
| ·单类支持向量机方法 | 第110-114页 |
| ·预备知识-v-SVMs | 第110-111页 |
| ·one-class SVMs方法 | 第111-114页 |
| ·one-class SVMs在目标检测中的应用 | 第114-118页 |
| ·试验设计和结果 | 第114页 |
| ·试验讨论 | 第114-118页 |
| ·总结 | 第118-120页 |
| 第六章 针对大幅遥感影像目标检测的快速方法 | 第120-144页 |
| ·引言 | 第120-121页 |
| ·快速检测算法概述 | 第121-128页 |
| ·针对分类器的快速算法 | 第122-126页 |
| ·针对搜索策略的快速算法 | 第126-128页 |
| ·基于分层的支持向量机检测算法 | 第128-135页 |
| ·基于分层支持向量机的检测算法 | 第128-129页 |
| ·试验与讨论 | 第129-135页 |
| ·基于背景信息的快速检测算法 | 第135-142页 |
| ·认知科学和模式识别模型 | 第135-136页 |
| ·基于背景识别的目标检测 | 第136-139页 |
| ·试验和讨论 | 第139-142页 |
| ·总结 | 第142-144页 |
| 第七章 总结和展望 | 第144-148页 |
| 参考文献 | 第148-158页 |
| 研究生期间承担的科研项目和发表的论文 | 第158-160页 |
| 致谢 | 第160页 |
