| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国内研究现状 | 第11-13页 |
| 1.2.2 国外研究现状 | 第13-15页 |
| 1.3 论文的主要内容及安排 | 第15-16页 |
| 第2章 边缘检测与相邻梯度融合算法的天际线检测研究 | 第16-29页 |
| 2.1 数学形态学理论 | 第16-19页 |
| 2.1.1 数学形态学概念 | 第16-17页 |
| 2.1.2 基本集合定义 | 第17-18页 |
| 2.1.3 形态学的基本运算 | 第18-19页 |
| 2.2 边缘检测理论 | 第19-21页 |
| 2.2.1 一阶微分边缘检测算子 | 第19页 |
| 2.2.2 二阶微分边缘检测算子 | 第19-21页 |
| 2.3 天际线起始点位置检测算法 | 第21-23页 |
| 2.4 边缘检测与相邻梯度融合的天际线检测算法 | 第23-28页 |
| 2.4.1 实验步骤 | 第23-26页 |
| 2.4.2 算法结果对比分析 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 RCA与相邻梯度融合的天际线检测算法研究 | 第29-37页 |
| 3.1 区域协方差算法 | 第29-31页 |
| 3.1.1 区域协方差矩阵 | 第29-30页 |
| 3.1.2 基于RCA算法的天际线粗分割 | 第30-31页 |
| 3.2 梯度循环算法 | 第31-32页 |
| 3.2.1 梯度计算 | 第31页 |
| 3.2.2 梯度循环算法的天际线坐标检测 | 第31-32页 |
| 3.3 天际线起始点位置检测 | 第32-34页 |
| 3.4 RCA与相邻梯度融合的天际线检测算法 | 第34-36页 |
| 3.4.1 实验步骤 | 第34-35页 |
| 3.4.2 算法结果对比分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 LBP和稀疏表示的天际线检测算法研究 | 第37-46页 |
| 4.1 特征提取算法 | 第37-40页 |
| 4.1.1 HOG特征 | 第37-38页 |
| 4.1.2 LBP特征 | 第38页 |
| 4.1.3 LBP特征的天际线坐标提取 | 第38-40页 |
| 4.2 稀疏表示理论 | 第40-41页 |
| 4.2.1 稀疏表示的基本概念 | 第40页 |
| 4.2.2 稀疏表示的分类算法 | 第40-41页 |
| 4.3 经验阈值实验分析 | 第41-42页 |
| 4.4 LBP和稀疏表示的天际线检测算法 | 第42-45页 |
| 4.4.1 实验步骤 | 第42-44页 |
| 4.4.2 实验结果对比分析 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 多特征提取与边缘校正融合的天际线检测算法研究 | 第46-59页 |
| 5.1 Gabor滤波器支持向量机算法 | 第46-48页 |
| 5.1.1 Gabor滤波器 | 第46-47页 |
| 5.1.2 SVM算法 | 第47-48页 |
| 5.2 边缘检测 | 第48-50页 |
| 5.2.1 基于小波变换的边缘检测算法基本步骤 | 第49页 |
| 5.2.2 Canny边缘检测的基本步骤 | 第49-50页 |
| 5.3 天际线检测与校正 | 第50-53页 |
| 5.3.1 Gabor纹理特征提取 | 第50页 |
| 5.3.2 SVM分类器模型建立 | 第50-51页 |
| 5.3.3 相邻五邻域算法对天际线初始检测位置校正 | 第51-53页 |
| 5.4 多特征与边缘校正融合的天际线检测算法 | 第53-58页 |
| 5.4.1 算法流程 | 第53-54页 |
| 5.4.2 WebSet数据集实验 | 第54-56页 |
| 5.4.3 BasaltHills数据集实验 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结语 | 第59-61页 |
| 结论 | 第59-60页 |
| 展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间主要研究成果 | 第66-68页 |
| 致谢 | 第68页 |
