| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题研究背景和意义 | 第12-13页 |
| ·课题的国内外研究概况 | 第13-15页 |
| ·红外图像中的机场跑道检测研究概况 | 第13-14页 |
| ·SAR 图像中的机场跑道检测研究概况 | 第14-15页 |
| ·本文的章节安排和主要创新点 | 第15-17页 |
| ·本文的章节安排 | 第15-16页 |
| ·本文的主要创新点 | 第16-17页 |
| 第二章 红外和SAR 机场图像预处理 | 第17-24页 |
| ·引言 | 第17页 |
| ·红外机场图像的噪声滤波 | 第17-20页 |
| ·红外机场图像噪声产生 | 第17页 |
| ·红外机场图像噪声滤波方法 | 第17-19页 |
| ·实验结果和分析 | 第19-20页 |
| ·SAR 图像相干斑和抑制方法 | 第20-23页 |
| ·SAR 相干斑产生原理 | 第20页 |
| ·SAR 相干斑滤波抑制效果的评价指标 | 第20-21页 |
| ·SAR 相干斑抑制方法 | 第21页 |
| ·SAR 相干斑抑制结果和实验分析 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 红外机场图像阈值分割和SAR 机场图像边缘检测 | 第24-38页 |
| ·引言 | 第24页 |
| ·基于OTSU 的机场图像阈值分割 | 第24-26页 |
| ·一维和改进的二维OTSU 算法 | 第24-25页 |
| ·实验结果与分析 | 第25-26页 |
| ·基于Mean Shift 的分割方法 | 第26-29页 |
| ·Mean Shift 算法 | 第26-27页 |
| ·基于 Mean Shift 的分割算法 | 第27页 |
| ·实验结果与分析 | 第27-29页 |
| ·传统边缘检测方法 | 第29-32页 |
| ·经典边缘检测算子 | 第29-31页 |
| ·传统边缘检测算子边缘检测结果 | 第31-32页 |
| ·基于梯度信息的边缘检测算法 | 第32-37页 |
| ·Canny 算子 | 第32-33页 |
| ·基于边缘置信度的算法原理介绍 | 第33-34页 |
| ·基于边缘置信度的算法实现过程 | 第34-35页 |
| ·实验结果分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 机场跑道直线提取 | 第38-47页 |
| ·引言 | 第38页 |
| ·相位编组法 | 第38-40页 |
| ·相位编组法原理 | 第38-39页 |
| ·算法实现步骤 | 第39页 |
| ·直线段修正 | 第39-40页 |
| ·基于变换的直线检测方法 | 第40-43页 |
| ·传统 Hough 变换 | 第40-41页 |
| ·随机 Hough 变换 | 第41-42页 |
| ·基于梯度方向的随机Hough 变换 | 第42页 |
| ·改进的基于梯度方向的随机Hough 变换 | 第42-43页 |
| ·直线检测实验结果与分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 机场跑道的识别 | 第47-51页 |
| ·引言 | 第47页 |
| ·机场跑道模型 | 第47-48页 |
| ·机场跑道识别流程 | 第48-49页 |
| ·机场跑道提取结果 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 基于无下采样Contourlet 变换的图像融合在机场跑道检测中的应用 | 第51-59页 |
| ·引言 | 第51页 |
| ·基于无下采样Contourlet 变换的 SAR 和可见光机场图像融合 | 第51-55页 |
| ·Contourlet 变换和基于无下采样Contourlet 变换 | 第51-53页 |
| ·图像融合算法 | 第53-54页 |
| ·融合图像质量评价指标 | 第54-55页 |
| ·基于无下采样Contourlet 变换图像融合的机场跑道检测 | 第55-57页 |
| ·算法实现步骤 | 第55页 |
| ·实验结果与分析 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第七章 总结与展望 | 第59-61页 |
| ·本文的主要工作及结论 | 第59-60页 |
| ·进一步研究工作展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 在学期间的研究成果及发表的学术论文 | 第67页 |
