| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 ISS图像分类技术概述 | 第11-12页 |
| 1.3 论文组织和结构 | 第12-14页 |
| 第二章 神经网络与支持向量机 | 第14-31页 |
| 2.1 人工神经网络 | 第14-18页 |
| 2.2 卷积神经网络 | 第18-21页 |
| 2.3 CNN实例简介 | 第21-23页 |
| 2.4 支持向量机 | 第23-31页 |
| 第三章 Cassini ISS图像预处理及特征提取 | 第31-42页 |
| 3.1 Cassini ISS预处理 | 第31-35页 |
| 3.2 基于卷积神经网络的图像特征提取 | 第35-42页 |
| 第四章 Cassini ISS图像可测性分类系统 | 第42-45页 |
| 4.1 Cassini ISS图像可测性分类系统 | 第42页 |
| 4.2 ISS图像预处理 | 第42页 |
| 4.3 ISS图像特征提取 | 第42-43页 |
| 4.4 ISS图像分类 | 第43-45页 |
| 第五章 实验及结果分析 | 第45-61页 |
| 5.1 实验准备与说明 | 第45-49页 |
| 5.2 基于浅层卷积网络特征提取的ISS图像可测性分类结果 | 第49-54页 |
| 5.3 基于深层卷积网络特征提取的ISS图像可测性分类结果 | 第54-56页 |
| 5.4 与传统特征提取方法的比较 | 第56-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 论文工作总结 | 第61-62页 |
| 6.2 问题与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间取得的科研成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 附录A Vicar图像存储格式 | 第68-73页 |
| 附录B 三种传统的图像特征提取算子 | 第73-78页 |
