基于可重构计算技术的图像识别与分类系统研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-15页 |
| 第1章 绪论 | 第15-34页 |
| ·图像工程概述 | 第15-17页 |
| ·可重构计算技术概述 | 第17-27页 |
| ·可重构计算的研究内容及应用 | 第18-20页 |
| ·可重构器件与可重构计算机 | 第20-24页 |
| ·FPGA 设计流程及原则 | 第24-27页 |
| ·国内外研究现状 | 第27-31页 |
| ·图像识别的研究现状 | 第27-29页 |
| ·图像分类的研究现状 | 第29-30页 |
| ·图像处理系统实现方法 | 第30-31页 |
| ·本论文工作及章节安排 | 第31-34页 |
| ·研究目标 | 第31-32页 |
| ·拟解决的关键问题 | 第32页 |
| ·论文的组织结构 | 第32-34页 |
| 第2章 动态可重构计算技术基础 | 第34-52页 |
| ·引言 | 第34页 |
| ·FPGA 动态可重构理论 | 第34-47页 |
| ·动态可重构原理及典型结构分析 | 第36-42页 |
| ·动态部分可重构的两种模式 | 第42-47页 |
| ·动态可重构FPGA 系统设计流程 | 第47-49页 |
| ·实验环境介绍 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第3章 图像自动目标识别中的关键技术研究 | 第52-68页 |
| ·引言 | 第52页 |
| ·自动目标识别方法及主要研究内容 | 第52-54页 |
| ·SAR 图像 | 第54-57页 |
| ·SAR 图像的基本特性 | 第54-56页 |
| ·SAR 图像的特点 | 第56-57页 |
| ·SAR 图像的自动目标识别 | 第57-63页 |
| ·成熟的SAR ATR 系统 | 第57-59页 |
| ·SAR 图像自动目标识别中的若干关键问题 | 第59-63页 |
| ·基于特征的图像目标识别 | 第63-67页 |
| ·SAR 自动目标识别算法 | 第64-65页 |
| ·SAR 图像自动目标识别模板生成 | 第65页 |
| ·SAR 图像中的噪声抑制 | 第65-66页 |
| ·实验结果及分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第4章 图像分类中关键技术研究 | 第68-88页 |
| ·引言 | 第68-69页 |
| ·图像噪声估计与消除 | 第69-76页 |
| ·相干斑和系统噪声的统计特性 | 第70-73页 |
| ·滤波器选择 | 第73-74页 |
| ·Lee 滤波器 | 第74-76页 |
| ·图像特征描述 | 第76-79页 |
| ·灰度共生矩阵的定义及其特点 | 第76-77页 |
| ·基于灰度共生矩阵的纹理特征参数 | 第77-79页 |
| ·图像特征提取 | 第79-86页 |
| ·统计学习理论 | 第79-81页 |
| ·支持向量分类(SVC)算法 | 第81-83页 |
| ·支持向量机(SVM)的核函数 | 第83-84页 |
| ·分类样本获取 | 第84-86页 |
| ·实验结果及分析 | 第86-87页 |
| ·本章小结 | 第87-88页 |
| 第5章 基于可重构计算的数字图像处理 | 第88-107页 |
| ·引言 | 第88-89页 |
| ·基于FPGA 的数字图像处理算法实现 | 第89-99页 |
| ·基于可重构计算的自动目标识别系统 | 第99-102页 |
| ·系统软硬件划分 | 第99-100页 |
| ·模块设计及基于模块的动态重构 | 第100-101页 |
| ·实验及结果分析 | 第101-102页 |
| ·基于可重构计算的图像分类系统 | 第102-106页 |
| ·模块设计 | 第102-104页 |
| ·基于差异的动态重构 | 第104-105页 |
| ·实验及结果分析 | 第105-106页 |
| ·本章小结 | 第106-107页 |
| 第6章 总结与展望 | 第107-110页 |
| ·论文工作总结 | 第107-109页 |
| ·进一步工作 | 第109-110页 |
| 参考文献 | 第110-121页 |
| 致谢 | 第121-124页 |
| 在读期间发表的学术论文与取得的研究成果 | 第124页 |
