| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 省略词 | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究意义 | 第11-12页 |
| 1.2 国内外机场跑道异物检测研究现状 | 第12-14页 |
| 1.3 本文主要研究内容以及章节安排 | 第14-16页 |
| 1.3.1 本文主要研究内容 | 第14页 |
| 1.3.2 论文章节安排 | 第14-16页 |
| 第二章 基于视频的车载FOD检测与识别系统构架设计 | 第16-23页 |
| 2.1 车载FOD检测与识别系统的总体设计 | 第16-19页 |
| 2.1.1 总体构架 | 第16-18页 |
| 2.1.2 检测流程 | 第18-19页 |
| 2.2 目标检测方法概述 | 第19-21页 |
| 2.2.1 基于单帧的目标检测 | 第19-20页 |
| 2.2.2 基于图像序列的目标检测方法 | 第20-21页 |
| 2.3 本章总结 | 第21-23页 |
| 第三章 融合多特征视觉注意机制的FOD检测方法 | 第23-35页 |
| 3.1 视觉注意机制 | 第23-24页 |
| 3.2 经典Itti模型 | 第24-26页 |
| 3.2.1 经典Itti模型 | 第24-26页 |
| 3.2.2 基于经典Itti模型的FOD检测实验 | 第26页 |
| 3.3 融合多特征视觉注意机制的FOD检测 | 第26-33页 |
| 3.3.1 FOD检测流程 | 第26-27页 |
| 3.3.2 基于Canny算子的边缘特征图提取 | 第27-29页 |
| 3.3.3 基于Gabor算子的纹理特征图提取 | 第29-31页 |
| 3.3.4 基于图像能量的显著图合成 | 第31-32页 |
| 3.3.5 基于阈值分割的FOD分割 | 第32-33页 |
| 3.4 FOD检测的实验与分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于Bagging分类器集成的FOD识别方法 | 第35-52页 |
| 4.1 分类器集成技术 | 第35-41页 |
| 4.1.1 分类器集成方法 | 第36-37页 |
| 4.1.2 多分类器结果整合 | 第37页 |
| 4.1.3 FOD识别中基分类器选取 | 第37-41页 |
| 4.1.3.1 支持向量机 | 第38-39页 |
| 4.1.3.2 BP神经网络 | 第39-41页 |
| 4.1.3.3 k-邻近法 | 第41页 |
| 4.2 基于Bagging分类器集成的FOD识别流程 | 第41-42页 |
| 4.3 FOD多特征的提取 | 第42-48页 |
| 4.3.1 FOD颜色特征的提取 | 第42-45页 |
| 4.3.1.1 颜色特征 | 第42-43页 |
| 4.3.1.2 提取FOD的颜色特征 | 第43-45页 |
| 4.3.2 LBP特征提取 | 第45-47页 |
| 4.3.2.1 LBP特征 | 第45-46页 |
| 4.3.2.2 提取FOD的LBP特征 | 第46-47页 |
| 4.3.3 FOD颜色和LBP特征组合 | 第47-48页 |
| 4.4 基于Bagging分类器集成的FOD识别实验 | 第48-51页 |
| 4.4.1 实验样本选取 | 第48页 |
| 4.4.2 实验过程 | 第48-50页 |
| 4.4.3 实验结果与分析 | 第50-51页 |
| 4.5 本章总结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 主要工作和创新点 | 第52页 |
| 5.2 问题与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 在校学习期间的研究成果及发表的学术论文 | 第58页 |
| 攻读硕士学位期间发表论文情况 | 第58页 |
