| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 引言 | 第7-17页 |
| ·雷达异常图像检测的研究背景 | 第7页 |
| ·雷达数据质量控制研究现状 | 第7-11页 |
| ·基于模糊逻辑的雷达数据质量控制 | 第8页 |
| ·基于水平和垂直反射率结构的天气雷达数据质量控制算法 | 第8-9页 |
| ·基于神经网络的天气雷达数据质量控制 | 第9-10页 |
| ·基于模糊支持向量机的天气雷达数据质量控制 | 第10-11页 |
| ·本文研究的主要内容和创新点 | 第11-17页 |
| ·异常图像检测原理 | 第11-16页 |
| ·本文的工作重点和主要创新点 | 第16-17页 |
| 2 预处理 | 第17-20页 |
| ·去除冗余信息 | 第17-18页 |
| ·图像重新编码 | 第18-20页 |
| 3 边缘检测 | 第20-27页 |
| ·一阶算子 | 第20-22页 |
| ·二阶算子 | 第22-23页 |
| ·一种新的边缘检测算子 | 第23-25页 |
| ·算法分析与比较 | 第25-27页 |
| 4 特征提取 | 第27-43页 |
| ·直线特征提取 | 第27-32页 |
| ·直线特征 | 第27页 |
| ·基于霍夫变换(Hough Transform)的直线检测算法 | 第27-28页 |
| ·基于链码的直线检测算法 | 第28-29页 |
| ·一种改进的基于链码的直线检测算法 | 第29-30页 |
| ·算法分析与比较 | 第30-32页 |
| ·圆弧特征提取 | 第32-35页 |
| ·圆弧特征 | 第32页 |
| ·基于霍夫变换(Hough Transform)的圆弧检测算法 | 第32-33页 |
| ·一种基于圆生成算法的圆弧检测算法 | 第33-34页 |
| ·算法分析与比较 | 第34-35页 |
| ·缺角特征提取 | 第35-36页 |
| ·缺角特征 | 第35页 |
| ·一种有效的缺角特征提取算法 | 第35-36页 |
| ·颜色类特征提取 | 第36-38页 |
| ·颜色特征 | 第37页 |
| ·一种有效的颜色特征提取算法 | 第37-38页 |
| ·噪声特征提取 | 第38-40页 |
| ·图像噪声 | 第38-39页 |
| ·一种有效的噪声提取算法 | 第39-40页 |
| ·超折射特征提取 | 第40-43页 |
| ·超折射 | 第40-41页 |
| ·一种有效的超折射特征提取算法 | 第41-43页 |
| 5 机器学习与分类 | 第43-52页 |
| ·建模与分类 | 第43-45页 |
| ·人工神经网络 | 第44-45页 |
| ·训练和识别 | 第45-49页 |
| ·模型选择 | 第45页 |
| ·基于多层前向神经网络的异常图像分类 | 第45-49页 |
| ·实验测试与分析 | 第49-52页 |
| 6 总结与展望 | 第52-54页 |
| ·论文工作总结 | 第52页 |
| ·今后的工作 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
