基于多特征的红外云图检索技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 注释表 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 图像检索技术 | 第12-15页 |
| 1.2.1 基于文本的图像检索技术 | 第12-13页 |
| 1.2.2 基于内容的图像检索技术 | 第13-15页 |
| 1.3 本文的研究内容和研究成果 | 第15-17页 |
| 1.3.1 本文的研究内容 | 第15-16页 |
| 1.3.2 主要研究成果 | 第16-17页 |
| 第二章 红外云图及相关检索技术介绍 | 第17-25页 |
| 2.1 卫星遥感原理及图像获取 | 第17-18页 |
| 2.1.1 卫星遥感成像原理 | 第17页 |
| 2.1.2 卫星图像获取 | 第17-18页 |
| 2.2 红外云图介绍 | 第18-19页 |
| 2.3 云的分类和特征 | 第19-21页 |
| 2.3.1 云分类的判据 | 第19-20页 |
| 2.3.2 云的分类及其特征 | 第20-21页 |
| 2.4 红外云图检索相关技术介绍 | 第21-25页 |
| 2.4.1 基于内容的图像检索系统 | 第21页 |
| 2.4.2 图像特征 | 第21-22页 |
| 2.4.3 图像匹配 | 第22-24页 |
| 2.4.4 系统的性能评价 | 第24-25页 |
| 第三章 云系分割 | 第25-35页 |
| 3.1 云系分割的意义 | 第25-26页 |
| 3.2 云系分割方法介绍 | 第26-27页 |
| 3.3 云系提取 | 第27-30页 |
| 3.3.1 Otsu 分割算法 | 第27页 |
| 3.3.2 改进 Otsu 分割算法 | 第27-30页 |
| 3.4 基于分形维数的云系分割 | 第30-32页 |
| 3.4.1 分形维数方法 | 第30-31页 |
| 3.4.2 改进分形维数方法 | 第31-32页 |
| 3.5 实验结果分析 | 第32-35页 |
| 第四章 基于红外云图的单特征检索 | 第35-56页 |
| 4.1 颜色（灰度）特征提取 | 第35-39页 |
| 4.1.1 颜色（灰度）特征提取技术介绍 | 第35-36页 |
| 4.1.2 颜色（灰度）特征提取技术选择 | 第36页 |
| 4.1.3 分块模糊灰度直方图 | 第36-39页 |
| 4.2 纹理特征提取技术 | 第39-44页 |
| 4.2.1 纹理特征提取技术介绍 | 第39页 |
| 4.2.2 纹理特征提取技术选择 | 第39-41页 |
| 4.2.3 Gabor 滤波器 | 第41页 |
| 4.2.4 Gabor 滤波器分解 | 第41-42页 |
| 4.2.5 Gabor 滤波器设计 | 第42-44页 |
| 4.3 形状特征提取 | 第44-47页 |
| 4.3.1 形状特征提取技术介绍 | 第44-45页 |
| 4.3.2 形状特征提取技术选择 | 第45页 |
| 4.3.3 几何不变矩 | 第45-46页 |
| 4.3.4 加权几何不变矩 | 第46页 |
| 4.3.5 Chen 不变矩 | 第46-47页 |
| 4.4 实验结果分析 | 第47-56页 |
| 4.4.1 基于颜色（灰度）特征的检索效果 | 第48-50页 |
| 4.4.2 基于纹理特征的检索效果 | 第50-53页 |
| 4.4.3 基于形状特征的检索效果 | 第53-56页 |
| 第五章 多特征融合及检索系统设计 | 第56-64页 |
| 5.1 多特征融合 | 第56-62页 |
| 5.1.1 特征向量归一化 | 第56-57页 |
| 5.1.2 贝叶斯定理 | 第57-58页 |
| 5.1.3 基于贝叶斯理论的多特征融合 | 第58-59页 |
| 5.1.4 实验结果分析 | 第59-62页 |
| 5.2 检索系统设计 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 在学期间的研究成果及发表的论文 | 第70页 |
