摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第一章 绪论 | 第12-18页 |
1.1 课题研究的背景和意义 | 第12-13页 |
1.2 国内外研究概况 | 第13-16页 |
1.2.1 国外研究现状 | 第13-15页 |
1.2.2 国内研究现状 | 第15-16页 |
1.3 本文主要工作及章节安排 | 第16-18页 |
第二章 SAR 图像数据特性与目标轮廓提取方法介绍 | 第18-28页 |
2.1 SAR 图像数据特性 | 第18-21页 |
2.1.1 经验模型 | 第18-19页 |
2.1.2 相干斑模型 | 第19-20页 |
2.1.3 乘积模型 | 第20-21页 |
2.2 经典的 SAR 图像目标轮廓提取方法 | 第21-27页 |
2.2.1 基于 CFAR 检测器的 SAR 图像目标轮廓提取方法 | 第22-23页 |
2.2.2 基于多边缘检测算子的 SAR 图像目标轮廓提取方法 | 第23-25页 |
2.2.3 基于马尔科夫随机场的 SAR 图像目标轮廓提取方法 | 第25-27页 |
2.3 本章小结 | 第27-28页 |
第三章 用于 SAR 图像目标轮廓提取的活动轮廓模型改进方法研究 | 第28-52页 |
3.1 传统活动轮廓模型应用于 SAR 图像处理的分析 | 第28-35页 |
3.1.1 经典的活动轮廓模型(snake 模型) | 第28-29页 |
3.1.2 向量场卷积活动轮廓模型(VFC 模型) | 第29-31页 |
3.1.3 区域竞争活动轮廓模型(RC 模型) | 第31-33页 |
3.1.4 无边缘活动轮廓模型(CV 模型) | 第33-35页 |
3.2 VFC 模型与 RC 模型结合的活动轮廓模型(VFC-RC 模型) | 第35-41页 |
3.2.1 基于 G0分布的 RC 模型 | 第35-36页 |
3.2.2 VFC-RC 模型原理 | 第36-38页 |
3.2.3 VFC-RC 模型时间复杂度分析 | 第38-39页 |
3.2.4 基于 VFC-RC 模型的 SAR 图像轮廓提取结果 | 第39-41页 |
3.3 最大对比度活动轮廓模型(MC 模型) | 第41-51页 |
3.3.1 基于似然比的 SAR 图像增强算法 | 第41-43页 |
3.3.2 MC 模型的原理 | 第43-48页 |
3.3.3 MC 模型时间复杂度分析 | 第48-49页 |
3.3.4 基于 MC 模型的 SAR 图像目标轮廓提取结果 | 第49-51页 |
3.4 本章小结 | 第51-52页 |
第四章 活动轮廓模型初始轮廓选取方案 | 第52-64页 |
4.1 基于 SAR 图像的活动轮廓模型初始轮廓选取 | 第52-60页 |
4.1.1 初始轮廓定位 | 第52-57页 |
4.1.2 初始轮廓选型 | 第57-59页 |
4.1.3 初始轮廓选取流程 | 第59-60页 |
4.2 实验结果与分析 | 第60-63页 |
4.2.1 VFC-RC 模型的实验结果 | 第60-61页 |
4.2.2 MC 模型的实验结果 | 第61-63页 |
4.3 本章小结 | 第63-64页 |
第五章 基于活动轮廓模型的 SAR 图像目标轮廓提取质量评估 | 第64-71页 |
5.1 仿真 SAR 图像目标轮廓提取质量评估 | 第64-67页 |
5.1.1 仿真 SAR 图像合成方法 | 第64-65页 |
5.1.2 仿真 SAR 图像轮廓提取质量评估 | 第65-67页 |
5.2 真实 SAR 图像目标轮廓提取质量评估 | 第67-68页 |
5.3 与 MRF 算法的比较 | 第68-70页 |
5.4 本章小结 | 第70-71页 |
第六章 总结与展望 | 第71-73页 |
6.1 工作总结 | 第71-72页 |
6.2 展望 | 第72-73页 |
参考文献 | 第73-76页 |
致谢 | 第76-77页 |
在学期间发表的论文 | 第77页 |