红外图像中车辆目标识别方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题的研究意义 | 第7-8页 |
| ·国内外研究现状和发展趋势 | 第8-12页 |
| ·图像增强的研究现状与发展趋势 | 第8-9页 |
| ·图像分割的研究现状与发展趋势 | 第9-10页 |
| ·图像特征提取的研究现状与发展趋势 | 第10-11页 |
| ·图像目标分类识别的研究现状与发展趋势 | 第11-12页 |
| ·红外图像的主要特点及与可见光图像的区别 | 第12-13页 |
| ·论文的主要内容和安排 | 第13-15页 |
| 第二章 红外图像预处理 | 第15-34页 |
| ·改进的邻域像素平滑滤波 | 第15-16页 |
| ·基于遗传算法图像的自适应模糊增强 | 第16-33页 |
| ·遗传算法简介 | 第17-24页 |
| ·感兴趣区域的选择 | 第24-25页 |
| ·一种基于区域模糊几何特征的图像质量的测量函数 | 第25-27页 |
| ·红外图像增强的灰度变换函数选择 | 第27-28页 |
| ·红外图像的自适应模糊增强的实验结果 | 第28-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于遗传算法的红外车辆目标自动模糊分割 | 第34-42页 |
| ·基于遗传算法的二维OTSU的图像分割 | 第34-38页 |
| ·二维OTSU方法分割 | 第34-36页 |
| ·ROI分割的最佳阈值范围的确定 | 第36-37页 |
| ·遗传算法与二维OTSU结合确定最佳分割阈值 | 第37页 |
| ·二维OTSU的图像分割后处理 | 第37-38页 |
| ·红外车辆目标图像的模糊边缘检测 | 第38-39页 |
| ·实验结果 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 红外图像车辆目标特征提取与选择 | 第42-45页 |
| ·余弦变换描述子 | 第42-43页 |
| ·六个独立的不变矩 | 第43-44页 |
| ·三个典型的区域描述子 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第五章 红外图像车辆目标分类识别 | 第45-51页 |
| ·径向基神经网络分类器结构 | 第45-46页 |
| ·网络学习算法 | 第46-47页 |
| ·中心调整算法 | 第46页 |
| ·网络权值调整算法 | 第46-47页 |
| ·基于径向基神经网络的车辆目标识别实验结果 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 全文总结 | 第51-53页 |
| ·本文的主要贡献 | 第51页 |
| ·有待改进的问题 | 第51页 |
| ·未来研究的方向 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表的学术论文 | 第57-59页 |
