| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-23页 |
| ·课题的背景、目的和意义 | 第11-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·声纳图像识别的发展 | 第13-15页 |
| ·超分辨率重建发展的现状 | 第15-16页 |
| ·稀疏表示识别方法的发展现状 | 第16-17页 |
| ·稀疏表示超分辨率重建技术的发展现状 | 第17页 |
| ·图像识别概述 | 第17-19页 |
| ·图像的预处理 | 第18页 |
| ·特征提取 | 第18页 |
| ·目标分类 | 第18-19页 |
| ·图像超分辨率概述 | 第19-22页 |
| ·本文研究内容 | 第22-23页 |
| 第2章 稀疏表示理论及声纳图像预处理 | 第23-43页 |
| ·稀疏表示理论 | 第23-24页 |
| ·传统的编码方式 | 第24-25页 |
| ·压缩传感 | 第25-32页 |
| ·稀疏基 | 第27-28页 |
| ·观测矩阵 | 第28-30页 |
| ·重构算法 | 第30-32页 |
| ·声纳图像预处理 | 第32-42页 |
| ·声纳图像噪声抑制 | 第32-39页 |
| ·声纳图像尺度规范化 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 基于 NMF 压缩传感的前视声纳图像识别方法 | 第43-69页 |
| ·高分辨率前视声纳的特点 | 第43页 |
| ·传统的稀疏表示方法 | 第43-44页 |
| ·常用的特征提取方法 | 第44-47页 |
| ·随机投影 Random 特征提取方法 | 第44-45页 |
| ·Fisher 线性判别 | 第45-47页 |
| ·基于 NMF 压缩传感声纳图像识别 | 第47-61页 |
| ·NMF 特征提取方法 | 第47-49页 |
| ·Fisher 非负矩阵特征提取方法 | 第49-50页 |
| ·局部 NMF 特征提取方法 | 第50页 |
| ·基于改进 NMF 压缩传感的识别方法 | 第50-56页 |
| ·实验结果与分析 | 第56-61页 |
| ·基于 NMF 闭塞字典的压缩传感声纳图像识别方法 | 第61-67页 |
| ·闭塞字典识别方法 | 第61-62页 |
| ·NMF 闭塞字典的设计 | 第62-63页 |
| ·实验结果与分析 | 第63-67页 |
| ·本章小结 | 第67-69页 |
| 第4章 基于灰度-梯度共生矩阵的稀疏表示侧扫声纳纹理图像识别方法 | 第69-88页 |
| ·高分辨率侧扫声纳的特点 | 第69页 |
| ·纹理概述 | 第69-70页 |
| ·灰度-梯度共生矩阵 | 第70-78页 |
| ·梯度的表示 | 第70-75页 |
| ·构造灰度-梯度共生矩阵 | 第75-76页 |
| ·灰度-梯度共生矩阵的数字特征 | 第76-78页 |
| ·基于灰度-梯度共生矩阵的稀疏表示声纳图像识别 | 第78-86页 |
| ·该方法的流程 | 第79页 |
| ·实验分析与结果 | 第79-86页 |
| ·本章小结 | 第86-88页 |
| 第5章 基于多重稀疏表示的多帧声纳图像超分辨率重建方法 | 第88-112页 |
| ·超分辨率的退化模型 | 第88-89页 |
| ·稀疏表示超分辨率重建 | 第89-90页 |
| ·图像的多重稀疏表示 | 第90-91页 |
| ·稀疏字典 | 第91-99页 |
| ·离散平稳小波的光滑成分字典 | 第91-93页 |
| ·Contourlet 变换的边缘成分字典 | 第93-95页 |
| ·Gabor 变换的纹理成分字典 | 第95-99页 |
| ·基于多重稀疏表示的声纳图像超分辨率重建 | 第99-111页 |
| ·多重稀疏表示多帧超分辨率模型算法的实现 | 第100-102页 |
| ·实验结果分析与评价 | 第102-111页 |
| ·本章小结 | 第111-112页 |
| 结论 | 第112-114页 |
| 参考文献 | 第114-125页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第125-126页 |
| 致谢 | 第126页 |
