| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-19页 |
| ·概述 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·国内的研究现状 | 第12-13页 |
| ·国外的研究现状 | 第13-16页 |
| ·课题来源及研究意义 | 第16-17页 |
| ·论文的主要工作及安排 | 第17-19页 |
| 第2章 基于最大熵原理的图像增强 | 第19-27页 |
| ·引言 | 第19页 |
| ·图像灰度化 | 第19-20页 |
| ·常用的图像增强算法 | 第20-21页 |
| ·直方图均衡化 | 第20-21页 |
| ·灰度调整 | 第21页 |
| ·基于最大熵原理的图像增强技术研究 | 第21-24页 |
| ·最大熵直方图均衡化原理 | 第21-23页 |
| ·实验结果与分析 | 第23-24页 |
| ·中值滤波 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于遗传算法的最大类间方差法的水下图象分割 | 第27-41页 |
| ·引言 | 第27页 |
| ·图像分割 | 第27-28页 |
| ·全局阈值分割算法 | 第28-34页 |
| ·基于迭代算法的水下图像分割 | 第28-29页 |
| ·基于最大类间方差算法的水下图像分割 | 第29-31页 |
| ·基于遗传算法的水下图像分割 | 第31-33页 |
| ·基于遗传算法的最大类间方差法的水下图像分割 | 第33-34页 |
| ·实验结果与分析 | 第34-39页 |
| ·动态阈值分割算法 | 第39-40页 |
| ·边缘提取 | 第40页 |
| ·图像形态学操作 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第4章 水下目标的不变矩特征提取 | 第41-51页 |
| ·引言 | 第41页 |
| ·水下目标的不变矩特征提取 | 第41-46页 |
| ·不变矩特征提取 | 第42页 |
| ·图像的不变矩特征量及其改进算法 | 第42-46页 |
| ·新不变矩特征提取实验与分析 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于BP神经网络的水下目标识别 | 第51-69页 |
| ·引言 | 第51页 |
| ·BP神经网络 | 第51-58页 |
| ·BP神经网络概述 | 第51-52页 |
| ·BP神经网络的结构 | 第52页 |
| ·BP神经网络学习过程 | 第52-58页 |
| ·BP算法的改进 | 第58-59页 |
| ·BP神经网络参数的选择 | 第59-60页 |
| ·实验结果与分析 | 第60-67页 |
| ·以全部像素信息作为输入的BP神经网络水下目标识别 | 第60-63页 |
| ·以新不变矩特征作为输入的BP神经网络水下目标识别 | 第63-67页 |
| ·本章小结 | 第67-69页 |
| 第6章 总结与展望 | 第69-73页 |
| ·总结 | 第69-70页 |
| ·展望 | 第70-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
