自动识别遥感光学图像中飞机目标的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-14页 |
| 1．1 课题意义 | 第11页 |
| 1．2 课题研究现状 | 第11-12页 |
| 1．3 课题主要工作 | 第12-13页 |
| 1．4 论文结构安排 | 第13-14页 |
| 第二章 二维图像飞机目标识别基本方法 | 第14-22页 |
| 2．1 概述 | 第14页 |
| 2．2 二维图像目标的识别方法 | 第14-18页 |
| 2．2．1 图像目标的匹配方法 | 第14-17页 |
| 2．2．2 图像目标识别的系统结构 | 第17-18页 |
| 2．3 二维图像飞机目标识别系统结构 | 第18-22页 |
| 2．3．1 飞机目标的成像模型及样本库的建立 | 第19-21页 |
| 2．3．2 飞机图像在线识别结构与过程 | 第21-22页 |
| 第三章 飞机目标区域提取与分割 | 第22-30页 |
| 3．1 概述 | 第22页 |
| 3．2 图像预处理 | 第22-26页 |
| 3．2．1 基于像元的处理 | 第22-24页 |
| 3．2．2 基于区域的处理 | 第24-26页 |
| 3．3 图像阈值分割 | 第26-30页 |
| 3．3．1 最优阈值分割 | 第26-28页 |
| 3．3．2 飞机目标区域提取 | 第28-30页 |
| 第四章 飞机特征提取与分析 | 第30-36页 |
| 4．1 概述 | 第30页 |
| 4．2 特征提取 | 第30-34页 |
| 4．2．1 不变矩 | 第30-32页 |
| 4．2．2 机长翼展比 | 第32-34页 |
| 4．2．3 紧凑度 | 第34页 |
| 4．3 特征量的分析 | 第34-36页 |
| 第五章 飞机分类识别 | 第36-54页 |
| 5．1 概述 | 第36页 |
| 5．2 最小距离分类器 | 第36-39页 |
| 5．2．1 最小距离分类器基本原理 | 第36-38页 |
| 5．2．2 实验 | 第38-39页 |
| 5．3 BP神经网络分类器 | 第39-44页 |
| 5．3．1 BP神经网络结构 | 第39-40页 |
| 5．3．2 BP神经网络设计 | 第40-42页 |
| 5．3．3 BP神经网络的快速学习算法与选择 | 第42页 |
| 5．3．4 实验 | 第42-44页 |
| 5．4 树分类器 | 第44-51页 |
| 5．4．1 树分类器的基本原理 | 第44-50页 |
| 5．4．2 实验 | 第50-51页 |
| 5．5 仿真实验 | 第51-54页 |
| 5．5．1 实验图像 | 第51-52页 |
| 5．5．2 实验结果 | 第52-53页 |
| 5．5．3 实验分析 | 第53-54页 |
| 结束语 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间发表与撰写的论文 | 第58页 |
