| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题背景 | 第10-11页 |
| ·微型无人直升机目标识别系统的国内外研究现况 | 第11-17页 |
| ·微型无人直升机目标识别实现难点 | 第11-12页 |
| ·相关图像目标识别技术综述 | 第12-17页 |
| ·主要研究内容 | 第17-18页 |
| 第2章 数字图像处理与基于熵的图像分割处理 | 第18-36页 |
| ·数字图像处理的基础知识 | 第19-20页 |
| ·静态图像的采样和量化 | 第19-20页 |
| ·动态图像的采样和量化 | 第20页 |
| ·数字图像的数据表达 | 第20页 |
| ·图像增强 | 第20-23页 |
| ·中值滤波法 | 第21-23页 |
| ·图像分割 | 第23-35页 |
| ·图像分割的意义 | 第23页 |
| ·基于高斯混合模型和Renyi 熵的图像分割方法 | 第23-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 图像特征提取 | 第36-44页 |
| ·轮廓特征提取 | 第37-39页 |
| ·图像形状特征 | 第39-41页 |
| ·Hu 不变矩 | 第39-41页 |
| ·形状矩特征提取步骤 | 第41页 |
| ·图像统计特征 | 第41-42页 |
| ·实验结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于SVM 的图像识别分类方法 | 第44-61页 |
| ·统计学习理论 | 第44-48页 |
| ·背景及发展 | 第44-45页 |
| ·统计学习理论的核心内容 | 第45-48页 |
| ·支持向量机模型 | 第48-53页 |
| ·支持向量机的模型参数选择 | 第53-54页 |
| ·SVM 图像目标识别算法 | 第54-58页 |
| ·图像预处理 | 第56-57页 |
| ·特征提取 | 第57页 |
| ·分类器设计 | 第57-58页 |
| ·试验结果与分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 基于GMM 与SVM 的视频目标识别算法 | 第61-73页 |
| ·基于高斯混合模型的视频目标识别算法 | 第61-65页 |
| ·混合高斯分布背景模型 | 第61-63页 |
| ·模型匹配与更新 | 第63-65页 |
| ·基于改进的GMM 与SVM 结合的视频目标识别算法 | 第65-68页 |
| ·帧间背景变化的判断 | 第65-66页 |
| ·目标识别改进算法的原理 | 第66-68页 |
| ·试验结果与分析 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表的学术论文 | 第80-81页 |
| 致谢 | 第81页 |