矩技术在水声图像分类识别中的应用研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 水声图像分类识别研究现状 | 第9-11页 |
| 1.3 矩特征提取技术概述 | 第11-12页 |
| 1.4 本文主要工作 | 第12-14页 |
| 2 水声图像预处理与分类器 | 第14-30页 |
| 2.1 水声图像预处理 | 第14-24页 |
| 2.1.1 图像降噪与增强 | 第14-18页 |
| 2.1.2 图像分割 | 第18-21页 |
| 2.1.3 形态学处理 | 第21-24页 |
| 2.2 神经网络分类器 | 第24-29页 |
| 2.2.1 BP神经网络简介 | 第25页 |
| 2.2.2 BP神经网络算法 | 第25-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 水声图像矩技术原理 | 第30-40页 |
| 3.1 规则矩和矩不变量 | 第30-34页 |
| 3.1.1 规则矩的定义 | 第30-31页 |
| 3.1.2 低阶规则矩及其性质 | 第31-33页 |
| 3.1.3 Hu矩不变量构造原理 | 第33-34页 |
| 3.2 基于Radon变换的图像矩特征 | 第34-36页 |
| 3.2.1 Radon变换简介 | 第34-35页 |
| 3.2.2 Radon矩不变量构造原理 | 第35-36页 |
| 3.3 基于Zernike矩的图像矩特征 | 第36-38页 |
| 3.3.1 Zernike矩简介 | 第36页 |
| 3.3.2 Zernike矩不变量构造原理 | 第36-38页 |
| 3.4 区域矩与边界矩方法 | 第38页 |
| 3.5 本章小结 | 第38-40页 |
| 4 水声图像矩特征提取试验研究 | 第40-63页 |
| 4.1 矩特征提取试验相关说明 | 第40-44页 |
| 4.2 基于Hu矩不变量的特征提取试验 | 第44-49页 |
| 4.2.1 海星图像矩特征提取结果 | 第44-46页 |
| 4.2.2 扇贝图像矩特征提取结果 | 第46-48页 |
| 4.2.3 试验结果小结 | 第48-49页 |
| 4.3 基于Radon矩不变量的特征提取试验 | 第49-56页 |
| 4.3.1 海星图像矩特征提取结果 | 第49-52页 |
| 4.3.2 扇贝图像矩特征提取结果 | 第52-55页 |
| 4.3.3 试验结果小结 | 第55-56页 |
| 4.4 基于Zernike矩不变量的特征提取试验 | 第56-61页 |
| 4.4.1 海星图像矩特征提取结果 | 第57-58页 |
| 4.4.2 扇贝图像矩特征提取结果 | 第58-60页 |
| 4.4.3 试验结果小结 | 第60-61页 |
| 4.5 矩特征提取试验总结 | 第61-62页 |
| 4.6 本章小结 | 第62-63页 |
| 5 水声图像分类识别试验研究 | 第63-70页 |
| 5.1 图像声呐扫描实验 | 第63-65页 |
| 5.2 图像分类识别试验 | 第65-69页 |
| 5.3 本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录 A 实验用海星扇贝实物图 | 第75-77页 |
| 攻读硕士学位期间发表学术论文情况 | 第77-78页 |
| 致谢 | 第78-80页 |
