| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究的背景和意义 | 第13-15页 |
| 1.2 研究现状 | 第15-17页 |
| 1.2.1 多传感器特征信息融合的研究现状 | 第16-17页 |
| 1.3 论文主要研究内容及结构安排 | 第17-19页 |
| 第2章 多传感器特征信息融合目标识别的基本理论 | 第19-28页 |
| 2.1 多传感器特征信息融合目标识别结构 | 第19-20页 |
| 2.2 多传感器特征信息融合目标识别系统主要结构 | 第20-23页 |
| 2.3 多传感器特征信息融合目标识别的关键模块分析 | 第23-27页 |
| 2.3.1 多传感器采集模块 | 第23页 |
| 2.3.2 目标特征提取 | 第23-24页 |
| 2.3.3 建立目标特征库 | 第24页 |
| 2.3.4 特征信息融合 | 第24-25页 |
| 2.3.5 目标识别 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 目标特征提取 | 第28-42页 |
| 3.1 HU不变矩特征提取 | 第28-31页 |
| 3.2 仿射不变矩特征提取 | 第31-34页 |
| 3.3 ZERNIKE矩特征提取 | 第34-38页 |
| 3.4 小波矩 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于协方差矩阵多特征信息融合 | 第42-53页 |
| 4.1 图像特征提取 | 第42-45页 |
| 4.1.1 多传感器特征提取 | 第42-43页 |
| 4.1.2 灰度特征 | 第43-44页 |
| 4.1.3 空间信息特征 | 第44页 |
| 4.1.4 梯度信息特征 | 第44-45页 |
| 4.2 协方差矩阵的构造 | 第45-49页 |
| 4.2.1 协方差矩阵与协方差 | 第45-47页 |
| 4.2.2 协方差矩阵距离的度量 | 第47-48页 |
| 4.2.3 特征协方差 | 第48-49页 |
| 4.3 多特征信息融合 | 第49页 |
| 4.3.1 目标多特征信息融合 | 第49页 |
| 4.4 融合实验结果与分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 基于优化改进的BP神经网络目标识别 | 第53-74页 |
| 5.1 BP神经网络 | 第54-61页 |
| 5.1.1 BP网络模型 | 第54-55页 |
| 5.1.2 BP神经网络结构 | 第55-57页 |
| 5.1.3 BP神经网络训练学习 | 第57-59页 |
| 5.1.4 BP神经网络主要特点 | 第59-61页 |
| 5.2 改进的BP神经网络 | 第61-62页 |
| 5.3 POS算法的基本原理和理论基础 | 第62-64页 |
| 5.3.1 POS算法基本原理 | 第62-63页 |
| 5.3.2 粒子群算法的基本流程 | 第63-64页 |
| 5.4 PSO优化改进的BP神经网络 | 第64-67页 |
| 5.4.1 PSO优化问题分析 | 第65-66页 |
| 5.4.2 PSO优化算法流程 | 第66-67页 |
| 5.5 仿真结果分析和识别系统实现 | 第67-73页 |
| 5.5.1 仿真结果分析 | 第67-70页 |
| 5.5.2 识别系统实现 | 第70-73页 |
| 5.6 本章小节 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第80-81页 |
| 致谢 | 第81-82页 |