| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究背景与意义 | 第10-11页 |
| 1.2 光学卫星图像船舶检测的研究现状 | 第11-16页 |
| 1.2.1 光学卫星图像船舶检测的一般流程 | 第11-12页 |
| 1.2.2 图像去噪预处理的关键技术 | 第12页 |
| 1.2.3 船舶目标预检测的关键技术 | 第12-14页 |
| 1.2.4 船舶目标鉴别的关键技术 | 第14-16页 |
| 1.3 论文的主要研究内容和结构安排 | 第16-18页 |
| 第2章 光学卫星图像去噪预处理 | 第18-24页 |
| 2.1 引言 | 第18页 |
| 2.2 基于RAMF的光学卫星图像去噪预处理 | 第18-20页 |
| 2.3 实验分析 | 第20-23页 |
| 2.3.1 评价指标 | 第20-21页 |
| 2.3.2 实验结果与分析 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 光学卫星图像船舶目标预检测 | 第24-34页 |
| 3.1 引言 | 第24-25页 |
| 3.2 基于RX异常检测的船舶目标预检测 | 第25-29页 |
| 3.2.1 RX异常检测 | 第25-28页 |
| 3.2.2 基于RX异常检测的船舶目标预检测方法 | 第28-29页 |
| 3.3 实验分析 | 第29-33页 |
| 3.3.1 评价指标 | 第29-30页 |
| 3.3.2 实验数据 | 第30页 |
| 3.3.3 实验结果与分析 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 光学卫星图像船舶目标鉴别 | 第34-51页 |
| 4.1 引言 | 第34-35页 |
| 4.2 基于PCAnet和SVM的船舶目标鉴别 | 第35-43页 |
| 4.2.1 深度学习网络PCAnet | 第35-38页 |
| 4.2.2 支持向量机 | 第38-40页 |
| 4.2.3 基于PCAnet和SVM的船舶目标鉴别方法 | 第40-43页 |
| 4.3 实验分析 | 第43-50页 |
| 4.3.1 评价指标 | 第43-44页 |
| 4.3.2 实验数据 | 第44-45页 |
| 4.3.3 实验结果与分析 | 第45-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读硕士学位期间获得的科研成果 | 第59页 |