| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第9-16页 |
| ·引言 | 第9-10页 |
| ·水的光学特性及其对水下成像的影响 | 第10-11页 |
| ·自主式水下机器人及自动目标识别技术的发展概况 | 第11-14页 |
| ·本论文的主要工作 | 第14-16页 |
| 第2章 基于相对熵的水下图像模糊增强 | 第16-26页 |
| ·综述 | 第16-17页 |
| ·直方图均衡化 | 第17-19页 |
| ·中值滤波 | 第19-20页 |
| ·基于相对熵的水下图像模糊增强算法 | 第20-25页 |
| ·模糊增强原理 | 第20-21页 |
| ·基于相对熵的阈值选取方法 | 第21-24页 |
| ·实验结果 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于去噪熵算子的边缘检测 | 第26-36页 |
| ·边缘检测的基本概念 | 第26页 |
| ·微分边缘检测算子 | 第26-30页 |
| ·熵边缘检测算子 | 第30-31页 |
| ·边缘检测熵算子对噪声的敏感性 | 第31-33页 |
| ·基于去噪熵算子的边缘检测 | 第33-34页 |
| ·实验结果 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于熵的水下图像分割 | 第36-48页 |
| ·阈值法图像分割原理 | 第36-37页 |
| ·利用图像熵原理的分割方法 | 第37-41页 |
| ·基于粒子群优化算法(PSO)的水下图像RENYI’S熵分割法 | 第41-47页 |
| ·Renyi’s熵原理 | 第41-43页 |
| ·粒子群优化算法(PSO，Particle Swarm Optimization) | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 特征值计算和神经网络识别 | 第48-64页 |
| ·引言 | 第48-49页 |
| ·特征值的计算 | 第49-57页 |
| ·不变矩的概念和计算方法 | 第49-52页 |
| ·水下图像不变矩的计算结果 | 第52-57页 |
| ·BP神经网络识别 | 第57-59页 |
| ·BP学习算法基本概念 | 第57页 |
| ·BP算法的缺点及其改进措施 | 第57-59页 |
| ·实验结果及其分析 | 第59-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |