| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-25页 |
| 1.1 课题的研究背景和意义 | 第12-13页 |
| 1.2 研究现状 | 第13-22页 |
| 1.2.1 地基测云仪器 | 第13-16页 |
| 1.2.2 地基云图的分类和特点 | 第16-17页 |
| 1.2.3 地基云图特征提取 | 第17-21页 |
| 1.2.4 地基云图分类方法 | 第21-22页 |
| 1.3 目前存在的主要问题 | 第22-23页 |
| 1.4 研究内容和论文组织结构 | 第23-25页 |
| 1.4.1 主要研究内容 | 第23页 |
| 1.4.2 论文组织结构 | 第23-25页 |
| 第二章 地基云图样本的获取和云状分类标准的研究 | 第25-37页 |
| 2.1 引言 | 第25页 |
| 2.2 云图样本的获取方法 | 第25-26页 |
| 2.3 云图云状的分类研究 | 第26-33页 |
| 2.3.1 目测云状分类标准 | 第26-27页 |
| 2.3.2 卫星云图云状分类方法 | 第27-28页 |
| 2.3.3 地基云图的云分类现状 | 第28-29页 |
| 2.3.4 地基云图的器测分类标准研究 | 第29-33页 |
| 2.4 云图样本库的建立 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 地基云图的预处理 | 第37-74页 |
| 3.1 引言 | 第37页 |
| 3.2 基于BEMD与CLOSED-FORM的地基云图去光照算法 | 第37-46页 |
| 3.2.1 二维经验模式分解(BEMD) | 第38-39页 |
| 3.2.2 基于BEMD的地基云图光照补偿算法 | 第39-43页 |
| 3.2.3 基于Closed-Form景物提取算法的云图边缘提取 | 第43-46页 |
| 3.3 基于感知颜色空间的透明度自然抠图算法 | 第46-49页 |
| 3.3.1 透明度定义 | 第46-47页 |
| 3.3.2 基于感知颜色空间的透明度分割算法 | 第47-49页 |
| 3.4 基于改进的自适应分数阶微分的地基云图增强算法 | 第49-72页 |
| 3.4.1 分数阶微分提取图像纹理 | 第49-53页 |
| 3.4.2 基于自适应分数阶微分的云图增强算法 | 第53-54页 |
| 3.4.3 纹理提取结果及定量对比实验分析 | 第54-72页 |
| 3.5 本章小结 | 第72-74页 |
| 第四章 地基云图的特征提取 | 第74-103页 |
| 4.1 引言 | 第74页 |
| 4.2 基于灰度共生矩阵的地基云图纹理特征提取算法 | 第74-76页 |
| 4.3 基于TAMURA和BEMD地基云图纹理的特征提取算法 | 第76-82页 |
| 4.3.1 Tamura纹理特征提取方法 | 第76-77页 |
| 4.3.2 基于Tamura和BEMD的地基云图纹理特征提取算法 | 第77-79页 |
| 4.3.3 地基云图的特征提取结果 | 第79-81页 |
| 4.3.4 特征提取方法的改进 | 第81-82页 |
| 4.4 基于BEMD的HILBERT谱地基云图纹理特征提取算法 | 第82-91页 |
| 4.4.1 Hilbert谱和Hilbert边际谱 | 第82-84页 |
| 4.4.2 基于Hilbert谱的特征提取算法 | 第84-85页 |
| 4.4.3 地基云图的特征提取结果 | 第85-91页 |
| 4.5 基于超小波与功率谱的地基云图纹理特征提取算法 | 第91-101页 |
| 4.5.1 小波理论 | 第91-92页 |
| 4.5.2 基于Contourlet的超小波理论 | 第92-95页 |
| 4.5.3 基于Contourlet与功率谱的地基云图纹理特征提取算法 | 第95-101页 |
| 4.6 本章小结 | 第101-103页 |
| 第五章 地基云图的分类识别 | 第103-119页 |
| 5.1 引言 | 第103页 |
| 5.2 基于平均样本法的地基云图分类算法 | 第103-104页 |
| 5.3 基于K近邻法的地基云图分类算法 | 第104-107页 |
| 5.4 基于BP神经网络的地基云图分类算法 | 第107-109页 |
| 5.5 基于支持向量机的地基云图分类算法 | 第109-117页 |
| 5.5.1 支持向量机 | 第109-112页 |
| 5.5.2 支持向量机多类分类研究 | 第112-115页 |
| 5.5.3 SVM分类树(SVM-Classification-Tree) | 第115-117页 |
| 5.6 本章小结 | 第117-119页 |
| 第六章 结论与展望 | 第119-124页 |
| 6.1 全文总结 | 第119-121页 |
| 6.2 主要创新点 | 第121-122页 |
| 6.3 未来研究展望 | 第122-124页 |
| 致谢 | 第124-125页 |
| 参考文献 | 第125-132页 |
| 作者攻读博士期间获奖 | 第132-133页 |
| 作者攻读博士期间发表论文清单及研究成果 | 第133-134页 |
