基于形态学理论的目标检测技术
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第7-17页 |
| ·课题背景与研究意义 | 第7-11页 |
| ·视觉研究与目标检测 | 第7-8页 |
| ·非线性信号处理 | 第8-10页 |
| ·数学形态学发展概况 | 第10-11页 |
| ·论文主要研究内容 | 第11-15页 |
| ·论文主要研究成果 | 第15-17页 |
| 第二章 生物视觉信息处理机制 | 第17-30页 |
| ·视觉信息感知基本原理 | 第17-18页 |
| ·视网膜感光特性 | 第18-19页 |
| ·信息传递桥梁--突触 | 第19-20页 |
| ·视信息平行处理通道 | 第20-21页 |
| ·视神经分层感受野--逐级信息综合 | 第21-22页 |
| ·主动视觉与闭环信息处理 | 第22-23页 |
| ·视觉信息同步化整合 | 第23-26页 |
| ·视觉心理和生理特征 | 第26-27页 |
| ·视觉感受的错觉现象 | 第27页 |
| ·小结 | 第27-30页 |
| 第三章 数学形态学基本理论 | 第30-56页 |
| ·二值形态学基本运算 | 第30-36页 |
| ·形态学膨胀、腐蚀运算 | 第30-33页 |
| ·形态学开、闭运算 | 第33-34页 |
| ·击中与否(HM)变换 | 第34-36页 |
| ·灰度形态学基本运算 | 第36-42页 |
| ·灰度膨胀、腐蚀运算 | 第36-40页 |
| ·灰度开、闭运算 | 第40-42页 |
| ·形态变换的结构元素 | 第42-45页 |
| ·结构元素分类 | 第42页 |
| ·多结构元组合滤波 | 第42-43页 |
| ·结构元素分解 | 第43-45页 |
| ·数字空间形态学运算的拓扑特性 | 第45-52页 |
| ·数字空间形态学运算特点 | 第45-48页 |
| ·形态学运算的畸变分析 | 第48-50页 |
| ·避免畸变的结构元素选择 | 第50-52页 |
| ·优化滤波理论--形态学表示定理 | 第52-54页 |
| ·表示定理的理论模型 | 第52-53页 |
| ·表示定理与图像滤波 | 第53-54页 |
| ·小结 | 第54-56页 |
| 第四章 自动提取和分析目标样本 | 第56-86页 |
| ·景物成像分析与描述 | 第56-63页 |
| ·景物成像分析 | 第56-59页 |
| ·景物成像描述 | 第59-63页 |
| ·图像目标分类与检测 | 第63-68页 |
| ·图像目标统计分类理论 | 第63-67页 |
| ·层次化目标提取处理过程 | 第67-68页 |
| ·自适应背景感知 | 第68-76页 |
| ·背景估计常用技术 | 第68-72页 |
| ·形态学背景感知方法 | 第72-73页 |
| ·估计算法的实验测评 | 第73-76页 |
| ·抑制背景的自动门限选取 | 第76-80页 |
| ·拓扑稳态门限计算 | 第76-77页 |
| ·拓扑稳态门限计算 | 第77-80页 |
| ·形状分析与目标特征识别 | 第80-83页 |
| ·保持形状特征的形态滤波 | 第80-81页 |
| ·外推检测挖掘信号特征 | 第81-83页 |
| ·小结 | 第83-86页 |
| 第五章 基于学习的目标检测优化结构基元设计 | 第86-107页 |
| ·形态学神经网络模型 | 第88-90页 |
| ·网络模型参数 | 第88-89页 |
| ·网络模型构造 | 第89-90页 |
| ·滤波结构优化设计准则 | 第90-93页 |
| ·优化设计策略 | 第90-93页 |
| ·误差率代价函数 | 第93页 |
| ·提取典型学习样本 | 第93-96页 |
| ·模式样本选取操作 | 第94-95页 |
| ·典型样本数据精炼 | 第95-96页 |
| ·优化初始学习状态 | 第96-98页 |
| ·视系统的发育与可塑性 | 第96-97页 |
| ·感受野型权值初始化 | 第97-98页 |
| ·随机化网络权值的误区 | 第98页 |
| ·网络权值贡献率分析 | 第98-102页 |
| ·主成份分析计算法 | 第99-100页 |
| ·贡献率和主成份意义 | 第100-102页 |
| ·形态学变权神经网络模型 | 第102-104页 |
| ·运动图像的时变特性 | 第102-103页 |
| ·动态跟踪学习算法 | 第103-104页 |
| ·小结 | 第104-107页 |
| 第六章 实现目标检测优化形态滤波结构的学习算法 | 第107-134页 |
| ·形态滤波神经网络算法 | 第108-115页 |
| ·神经网络学习规则 | 第108-112页 |
| ·自适应BP学习算法 | 第112-115页 |
| ·形态滤波遗传学习算法 | 第115-123页 |
| ·遗传算法基本描述 | 第116-117页 |
| ·启发式遗传学习算法 | 第117-123页 |
| ·形态滤波模拟退火算法 | 第123-130页 |
| ·模拟退火应用基础 | 第124-125页 |
| ·引导式模拟退火算法 | 第125-130页 |
| ·小结 | 第130-134页 |
| 第七章 自适应形态滤波算法用于图像目标检测 | 第134-154页 |
| ·图像目标识别的主要特征 | 第134-137页 |
| ·红外运动图像目标的自动检测 | 第137-144页 |
| ·运动目标红外辐射特性 | 第138页 |
| ·运动图像常用分析方法 | 第138-139页 |
| ·形态学算法检测图像目标 | 第139-144页 |
| ·光学静态图像目标的自动检测 | 第144-153页 |
| ·利用航空图片提取海上舰船目标 | 第144-146页 |
| ·利用卫星图片提取地面飞机目标 | 第146-149页 |
| ·基于字符特征的图像内容检索 | 第149-153页 |
| ·小结 | 第153-154页 |
| 第八章 结束语 | 第154-156页 |
| 致谢 | 第156-157页 |
| 攻博期间完成的学术论文 | 第157-158页 |
| 参考文献 | 第158-163页 |
