| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-20页 |
| ·课题的引出 | 第9页 |
| ·国内外道路车辆识别的方法 | 第9-11页 |
| ·本文研究的构思与方法 | 第11-20页 |
| ·卫星图片介绍 | 第11-15页 |
| ·研究构思 | 第15-19页 |
| ·研究方法 | 第19-20页 |
| 第2章 图像增强基本理论 | 第20-26页 |
| ·图像增强概述 | 第20页 |
| ·灰度变换增强 | 第20-26页 |
| ·直接灰度变换 | 第21-23页 |
| ·直方图灰度变换 | 第23-24页 |
| ·直方图均衡化与自适应直方图均衡化 | 第24-26页 |
| 第3章 形态学的基本理论 | 第26-32页 |
| ·形态学概述 | 第26页 |
| ·膨胀与腐蚀 | 第26-29页 |
| ·膨胀 | 第26-27页 |
| ·腐蚀 | 第27页 |
| ·结构元素分析 | 第27-29页 |
| ·开操作与闭操作 | 第29-30页 |
| ·形态学全部操作及其性质的总结 | 第30-32页 |
| 第4章 卫星图像的模式识别技术 | 第32-55页 |
| ·模式识别 | 第32-35页 |
| ·模式识别的概述 | 第32页 |
| ·模式识别的研究方法 | 第32-34页 |
| ·模式识别的发展与应用 | 第34-35页 |
| ·纹理分析方法 | 第35-40页 |
| ·纹理 | 第35页 |
| ·纹理特征的计算 | 第35-38页 |
| ·纹理特征的选择与提取 | 第38-40页 |
| ·人工神经网络识别技术 | 第40-55页 |
| ·人工神经网络概述 | 第40页 |
| ·人工神经网络模型及互联模式 | 第40-44页 |
| ·BP神经网络 | 第44-46页 |
| ·RBF神经网络与概率神经网络 | 第46-51页 |
| ·LVQ神经网络 | 第51-55页 |
| 第5章 基于形态学的卫星图片中的车辆模式识别的实现 | 第55-59页 |
| ·图像分类识别系统结构模型 | 第55页 |
| ·图像的预处理 | 第55-56页 |
| ·特征值图像的计算 | 第56页 |
| ·LVQ神经网络识别 | 第56-59页 |
| 第6章 研究效果检验 | 第59-61页 |
| ·卫星图像的选择 | 第59页 |
| ·车辆识别过程 | 第59-60页 |
| ·神经网络分类识别精度计算 | 第60-61页 |
| 第7章 结论和进一步研究 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 研究生履历 | 第68页 |