SAR海冰图像智能分类识别算法的研究
第1章 绪论 | 第1-14页 |
·前言 | 第9页 |
·海冰监测的方法 | 第9-12页 |
·国内外海冰监测的方法 | 第9-10页 |
·海冰分类识别技术 | 第10-12页 |
·本文研究的方法和思路 | 第12-14页 |
第2章 SAR遥感系统的海冰监测 | 第14-17页 |
·SAR遥感技术 | 第14-15页 |
·SAR遥感技术探测海冰原理 | 第15-17页 |
·SAR遥感系统探测海冰原理 | 第15页 |
·国内外SAR遥感系统探测海冰的应用 | 第15-17页 |
第3章 SAR海冰图像的特征提取 | 第17-25页 |
·图像处理 | 第17-18页 |
·图像处理技术简介 | 第17页 |
·SAR图像的特征提取 | 第17-18页 |
·纹理分析方法 | 第18-20页 |
·什么是图像纹理 | 第18-19页 |
·图像纹理特征分析 | 第19-20页 |
·本文采用的纹理特征分析方法 | 第20-25页 |
·基于灰度共生矩阵的纹理统计分析方法 | 第20-21页 |
·灰度共生矩阵参数的选择 | 第21页 |
·基于欧氏距离的纹理特征值的提取 | 第21-25页 |
第4章 基于神经网络的分类识别技术 | 第25-35页 |
·遥感图像信息提取识别分类 | 第25-28页 |
·目视解译 | 第25页 |
·计算机自动提取分类 | 第25-26页 |
·基于监督分类的识别算法 | 第26-28页 |
·人工智能神经网络概述 | 第28-30页 |
·人工神经网络的特点 | 第28-29页 |
·人工神经网络用于遥感图像分析与处理的优势 | 第29-30页 |
·经典人工神经网络模型 | 第30-35页 |
·BP神经网络 | 第30-32页 |
·径向基函数神经网络 | 第32-33页 |
·自组织映射SOM神经网络 | 第33-35页 |
第5章 SAR海冰图像分类识别模型 | 第35-41页 |
·SAR海冰图像分类识别系统的建构模型 | 第35页 |
·SAR图像特征值的提取 | 第35-37页 |
·网络训练阶段特征值的提取 | 第35-36页 |
·仿真阶段特征值的提取 | 第36-37页 |
·复合基双隐层神经网络的建构 | 第37-41页 |
第6章 系统测试结果与展望 | 第41-45页 |
·SAR海冰图像分类识别效果 | 第41-43页 |
·关于数据融合算法的设想 | 第43-45页 |
结论 | 第45-46页 |
参考文献 | 第46-48页 |
攻读学位期间公开发表的论文 | 第48-49页 |
致谢 | 第49-50页 |
研究生履历 | 第50页 |