| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第1章 绪论 | 第14-24页 |
| ·引言 | 第14-15页 |
| ·国内外水下目标信号研究概述 | 第15-16页 |
| ·利用声回波信号进行目标识别 | 第15页 |
| ·利用声图像进行目标识别 | 第15-16页 |
| ·多分辨率分析的产生、现状及发展方向 | 第16-20页 |
| ·多分辨率分析理论概述 | 第16-18页 |
| ·国内外水下目标声图像处理现状 | 第18-19页 |
| ·小波等多分辨率分析理论在目标声信号处理存在的不足 | 第19-20页 |
| ·本论文研究的背景、意义和主要内容 | 第20-21页 |
| ·研究的背景和意义 | 第20页 |
| ·研究的主要内容 | 第20-21页 |
| ·全文内容安排 | 第21-24页 |
| 第2章 水下多传感器阵列信号降噪研究 | 第24-43页 |
| ·水下多传感器基阵概述 | 第24-25页 |
| ·阵列接收信号模型及测向原理 | 第25-32页 |
| ·目标源发射信号模型 | 第25-26页 |
| ·阵列接收信号模型 | 第26-29页 |
| ·声学阵列测向原理 | 第29-32页 |
| ·舰船辐射噪声特性 | 第32-34页 |
| ·舰船辐射噪声的产生机理 | 第32-34页 |
| ·舰船辐射噪声频谱特性 | 第34页 |
| ·基于表面波变换的水F多传感器阵列信号降噪 | 第34-42页 |
| ·表面波变换结构单元 | 第35-37页 |
| ·基于表面波变换的水下多传感器阈值降噪算法 | 第37-38页 |
| ·实际舰船信号的降噪 | 第38-40页 |
| ·降噪效果分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 多分辨率方法声图像去噪研究 | 第43-77页 |
| ·多分辨率方法概述 | 第43-56页 |
| ·短时傅立叶变换 | 第44页 |
| ·Wavelet变换分析 | 第44-47页 |
| ·Ridgelet变换原理 | 第47-48页 |
| ·Curvelet变换原理 | 第48-49页 |
| ·控向塔型变换(Steerable Pyramid Transform) | 第49-52页 |
| ·Contourlet变换原理 | 第52-56页 |
| ·传统图像去噪方法 | 第56-59页 |
| ·水下目标声图像的成像机理及统计特性 | 第59-61页 |
| ·水下目标声图像的成像机理 | 第59-60页 |
| ·水下目标声图像的统计特性 | 第60-61页 |
| ·基于NSCT循环抽样声纳图像去噪方法 | 第61-69页 |
| ·NSCT | 第61-65页 |
| ·基于NSCT变换循环抽样去噪算法 | 第65-67页 |
| ·实验结果及分析 | 第67-69页 |
| ·基于Surfacelet和多向Cycle Spinning的声图像去噪方法 | 第69-74页 |
| ·去噪算法 | 第70-73页 |
| ·实验结果与分析 | 第73-74页 |
| ·本章小结 | 第74-77页 |
| 第4章 多分辨率方法声图像融合处理 | 第77-98页 |
| ·声纳系统工作原理 | 第77-81页 |
| ·多波束声纳系统 | 第77-78页 |
| ·侧扫声纳系统 | 第78-81页 |
| ·图像融合技术概述 | 第81-84页 |
| ·数据融合与图像融合技术 | 第81-83页 |
| ·常用的图像融合算法 | 第83-84页 |
| ·基于Surfacelet的图像融合算法 | 第84-93页 |
| ·子空间系数分布特性研究 | 第84-86页 |
| ·Retinex模型 | 第86-88页 |
| ·融合分析策略 | 第88-89页 |
| ·融合算法 | 第89-93页 |
| ·仿真结果与分析 | 第93-96页 |
| ·融合图像质量评价 | 第93-94页 |
| ·实验数据及分析 | 第94-96页 |
| ·本章小结 | 第96-98页 |
| 第5章 多分辨率方法声图像特征提取及识别 | 第98-112页 |
| ·引言 | 第98页 |
| ·图像特征提取技术概述 | 第98-100页 |
| ·灰度直方图 | 第98-99页 |
| ·共生矩阵 | 第99-100页 |
| ·傅立叶特征 | 第100页 |
| ·模式识别的常用算法 | 第100-102页 |
| ·遗传算法 | 第100-101页 |
| ·支持向量机(SVM) | 第101-102页 |
| ·人工神经网络 | 第102页 |
| ·基于Surfacelet变换声图像纹理图像识别 | 第102-109页 |
| ·基于Retinex模型分解拟识别声图像 | 第102-104页 |
| ·声图像Surfacelet分解及特征提取 | 第104页 |
| ·矩阵的奇异值分解及特征矩阵降维应用 | 第104-106页 |
| ·声图像特征提取及基于BP神经网络的声图像识别 | 第106-109页 |
| ·实验结果分析 | 第109-110页 |
| ·本章小结 | 第110-112页 |
| 结论 | 第112-116页 |
| 参考文献 | 第116-128页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第128-129页 |
| 致谢 | 第129页 |
