机载SAR图像的海冰检测方法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·海冰检测的背景和意义 | 第10页 |
| ·海冰监测的方法 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·国外SAR海冰识别的技术现状 | 第11-12页 |
| ·国内SAR海冰识别的技术现状 | 第12-13页 |
| ·SAR图像中海冰识别技术难点 | 第13-14页 |
| ·研究思路和研究内容 | 第14-15页 |
| 第2章 SAR简介及预处理相关知识 | 第15-25页 |
| ·SAR简介 | 第15页 |
| ·SAR成像原理 | 第15-17页 |
| ·相干斑噪声产生机理 | 第17-18页 |
| ·SAR监测海冰的原理 | 第18-19页 |
| ·SAR图像去噪和增强方法 | 第19-23页 |
| ·LEE滤波 | 第19-20页 |
| ·Gamma MAP滤波 | 第20-21页 |
| ·Frost滤波 | 第21-22页 |
| ·SRAD滤波 | 第22-23页 |
| ·小结 | 第23-25页 |
| 第3章 SAR海冰局部图像纹理特征的提取 | 第25-33页 |
| ·图像纹理分析简介 | 第25-26页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第26-29页 |
| ·灰度共生矩阵生成 | 第27-28页 |
| ·灰度共生矩阵提取的纹理特征 | 第28-29页 |
| ·边缘特征提取 | 第29-32页 |
| ·canny算子边缘检测 | 第29-30页 |
| ·Canny算法的步骤 | 第30-31页 |
| ·本文Canny算法的应用 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第4章 支持向量机分类训练方法 | 第33-45页 |
| ·支持向量机分类方法简介 | 第33-34页 |
| ·SVM分类方法原理 | 第34-43页 |
| ·logistic回归与SVM回归的区别 | 第34-36页 |
| ·函数间隔和几何间隔 | 第36-38页 |
| ·SVM回归最优间隔分类器 | 第38-42页 |
| ·SAR海冰图像SVM分类 | 第42-43页 |
| ·小结 | 第43-45页 |
| 第5章 实验及结果分析 | 第45-55页 |
| ·实验样本选取 | 第45-47页 |
| ·图像预处理试验及分析 | 第47-49页 |
| ·特征提取 | 第49-51页 |
| ·SAR海冰图像多维SVM回归实验 | 第51-52页 |
| ·试验结果的分析 | 第52-54页 |
| ·小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-56页 |
| ·总结 | 第55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
