基于光学遥感图像的舰船目标识别研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-34页 |
| 1.1 课题背景及意义 | 第12-14页 |
| 1.2 研究对象描述 | 第14-15页 |
| 1.3 研究现状及分析 | 第15-25页 |
| 1.3.1 舰船目标检测 | 第16-18页 |
| 1.3.2 舰船目标识别 | 第18-25页 |
| 1.4 研究前景 | 第25-28页 |
| 1.5 研究方案 | 第28-30页 |
| 1.6 主要研究内容 | 第30-33页 |
| 1.7 论文组织结构 | 第33-34页 |
| 第2章 图像预处理 | 第34-42页 |
| 2.1 一般预处理技术 | 第34-36页 |
| 2.2 陆地掩膜 | 第36-38页 |
| 2.3 3D重建分割技术 | 第38-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第3章 舰船目标检测 | 第42-62页 |
| 3.1 舰船目标疑似区域的提取 | 第42-55页 |
| 3.1.1 基于显著性机制的初始轮廓提取 | 第43-50页 |
| 3.1.2 基于Hough变换的圆检测 | 第50-53页 |
| 3.1.3 基于局部熵驱动的CV模型 | 第53-55页 |
| 3.2 实验与分析 | 第55-60页 |
| 3.3 本章小结 | 第60-62页 |
| 第4章 舰船目标分类识别 | 第62-102页 |
| 4.1 特征提取 | 第62-65页 |
| 4.2 特征选择 | 第65-76页 |
| 4.2.1 基于信息熵的属性约简 | 第65-66页 |
| 4.2.2 基于粗糙集理论的属性约简 | 第66-72页 |
| 4.2.3 基于NSGA-II的属性约简 | 第72-76页 |
| 4.3 分类识别 | 第76-101页 |
| 4.3.1 基于流形空间表示的近邻传播算法 | 第77-84页 |
| 4.3.2 基于信息熵的层次判别回归算法 | 第84-86页 |
| 4.3.3 基于变分推理的概率生成模型 | 第86-91页 |
| 4.3.4 基于逆狄利克雷分布的有限混合模型 | 第91-96页 |
| 4.3.5 基于粗糙集理论的协同分类模型 | 第96-98页 |
| 4.3.6 基于流形结构的主动式学习模型 | 第98-101页 |
| 4.4 本章小结 | 第101-102页 |
| 第5章 目标分类识别实验与分析 | 第102-120页 |
| 5.1 实验设置 | 第102页 |
| 5.2 识别特征提取与选择 | 第102-105页 |
| 5.3 模型及其参数分析 | 第105-114页 |
| 5.3.1 近邻传播算法性能分析 | 第105-106页 |
| 5.3.2 层次判别回归算法性能分析 | 第106-107页 |
| 5.3.3 概率生成模型及参数分析 | 第107-109页 |
| 5.3.4 有限混合模型性能分析 | 第109-110页 |
| 5.3.5 协同分类模型及参数分析 | 第110-111页 |
| 5.3.6 主动式学习模型及参数分析 | 第111-114页 |
| 5.4 算法识别性能对比分析 | 第114-119页 |
| 5.5 本章小结 | 第119-120页 |
| 结论 | 第120-122页 |
| 参考文献 | 第122-132页 |
| 攻读博士学位期间发表的论文和取得的科研成果简表 | 第132-133页 |
| 致谢 | 第133页 |
