| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-24页 |
| §1.1 研究背景及意义 | 第10-15页 |
| §1.1.1 研究背景 | 第10-11页 |
| §1.1.2 研究意义 | 第11-15页 |
| §1.2 极光分类研究进展及现状 | 第15-19页 |
| §1.2.1 极光分类研究 | 第15-18页 |
| §1.2.2 模式识别在极光图像信息处理中的应用 | 第18-19页 |
| §1.3 本文的结构和内容安排 | 第19-21页 |
| §1.4 本文的特色及创新之处 | 第21-24页 |
| 第二章 图像特征提取 | 第24-40页 |
| §2.1 引言 | 第24页 |
| §2.2 特征提取 | 第24-30页 |
| §2.2.1 纹理特征分析方法 | 第25-27页 |
| §2.2.2 颜色特征 | 第27页 |
| §2.2.3 形状特征 | 第27-29页 |
| §2.2.4 空间关系特征 | 第29-30页 |
| §2.3 极光图像分类中常用的特征 | 第30-39页 |
| §2.3.1 小波变换 | 第30-32页 |
| §2.3.2 灰度直方图 | 第32-33页 |
| §2.3.3 灰度游程法 | 第33-35页 |
| §2.3.4 灰度共生矩阵 | 第35-38页 |
| §2.3.5 不变矩 | 第38-39页 |
| §2.4 本章小结 | 第39-40页 |
| 第三章 极光形态描述及极光强度 | 第40-72页 |
| §3.1 引言 | 第40页 |
| §3.2 日侧极光形态描述 | 第40-45页 |
| §3.3 紫外极光形态描述 | 第45-52页 |
| §3.3.1 Theta 极光 | 第49-51页 |
| §3.3.2 Thick 极光 | 第51-52页 |
| §3.3.3 标准极光 | 第52页 |
| §3.4 极光强度 | 第52-62页 |
| §3.4.1 瑞利单位 | 第52-58页 |
| §3.4.2 极光强度 | 第58-59页 |
| §3.4.3 相关物理量 | 第59-62页 |
| §3.5 Keogram 图 | 第62-70页 |
| §3.5.1 可见光波段 | 第62-64页 |
| §3.5.2 紫外波段 | 第64-70页 |
| §3.6 本章小结 | 第70-72页 |
| 第四章 基于多级纹理特征表征的极光图像分类算法研究 | 第72-86页 |
| §4.1 引言 | 第72页 |
| §4.2 极光图像预处理 | 第72-74页 |
| §4.3 极光图像特征提取 | 第74-77页 |
| §4.3.1 小波变换 | 第75页 |
| §4.3.2 多级纹理特征提取 | 第75-76页 |
| §4.3.3 mRMR 特征选择方法 | 第76-77页 |
| §4.4 基于 SVM 的极光图像的分类 | 第77-82页 |
| §4.4.1 支持向量机的基本思想 | 第77-79页 |
| §4.4.2 SVM 核函数的选择及相关函数的确定 | 第79-81页 |
| §4.4.3 支持向量机的多分类问题 | 第81-82页 |
| §4.4.4 比较 | 第82页 |
| §4.5 实验及结果分析 | 第82-85页 |
| §4.6 本章小结 | 第85-86页 |
| 第五章 基于纹理特征和形状特征的紫外极光图像分类算法研究 | 第86-100页 |
| §5.1 引言 | 第86页 |
| §5.2 数据来源 | 第86-90页 |
| §5.2.1 紫外波段极光探测 | 第87-88页 |
| §5.2.2 POLAR 卫星 | 第88-90页 |
| §5.3 算法实现 | 第90-97页 |
| §5.3.1 数据获取 | 第90-91页 |
| §5.3.2 特征提取 | 第91-94页 |
| §5.3.3 特征选择 | 第94页 |
| §5.3.4 分类器设计 | 第94-95页 |
| §5.3.5 试验及结果分析 | 第95-97页 |
| §5.4 本章小结 | 第97-100页 |
| 结束语 | 第100-102页 |
| 致谢 | 第102-104页 |
| 参考文献 | 第104-112页 |
| 攻读硕士期间科研与发表论文情况 | 第112-113页 |
