军事港口目标分类平台的设计与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-24页 |
| ·引言 | 第10页 |
| ·课题来源及研究的目的和意义 | 第10-13页 |
| ·课题来源 | 第10-11页 |
| ·研究目的与意义 | 第11-13页 |
| ·国内外遥感图像分类的发展现状 | 第13-21页 |
| ·学习分类方法综述 | 第13-20页 |
| ·遥感图像分类技术研究现状 | 第20-21页 |
| ·本文的研究思路和主要工作 | 第21-24页 |
| ·研究思路 | 第21-22页 |
| ·研究内容 | 第22-24页 |
| 第2章 军事港口数据库的建立 | 第24-28页 |
| ·Google Earth软件介绍 | 第24-25页 |
| ·军事港口数据库 | 第25-27页 |
| ·RGB颜色空间 | 第25-26页 |
| ·数据库的建立 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于主成分分析算法的特征提取 | 第28-36页 |
| ·模式识别中的特征选择与特征提取 | 第28-29页 |
| ·基于PCA的军事港口目标图像的特征提取 | 第29-32页 |
| ·主成分分析概论 | 第29页 |
| ·主成分分析的基本原理 | 第29-30页 |
| ·PCA应用于军事港口的特征提取 | 第30-32页 |
| ·基于2D PCA的军事港口目标图像的特征提取 | 第32-34页 |
| ·2D PCA的基本原理 | 第32-33页 |
| ·基于2D PCA的军事港口目标图像的特征提取 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 军事港口目标分类器的设计与实现 | 第36-50页 |
| ·基于k-近邻军事港口目标分类 | 第36-38页 |
| ·k-近邻法 | 第36-37页 |
| ·基于k-近邻法军事港口目标分类器设计与实现 | 第37-38页 |
| ·基于支持向量机军事港口目标分类 | 第38-48页 |
| ·支持向量机(SVM) | 第38-47页 |
| ·多类SVM军事港口目标分类器设计与实现 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 军事港口目标分类平台与结果分析 | 第50-62页 |
| ·平台主模块设计 | 第50-52页 |
| ·实验分析 | 第52-59页 |
| ·kNN实验结果与分析 | 第52-54页 |
| ·SVM实验结果与分析 | 第54-59页 |
| ·两种分类器的军事港口目标分类结果的对比分析 | 第59页 |
| ·本章小节 | 第59-62页 |
| 第6章 总结与展望 | 第62-64页 |
| ·本论文主要工作成果 | 第62页 |
| ·研究工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
