创新点摘要 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第12-23页 |
1.1 研究背景和意义 | 第12-15页 |
1.1.1 溢油检测识别研究背景和意义 | 第12-14页 |
1.1.2 海上小目标检测研究背景和意义 | 第14-15页 |
1.2 国内外研究进展 | 第15-21页 |
1.2.1 海上溢油检测研究进展 | 第15-18页 |
1.2.2 海上小目标检测研究进展 | 第18-21页 |
1.3 本文主要研究内容和结构安排 | 第21-23页 |
第2章 SAR图像的溢油识别 | 第23-41页 |
2.1 SAR溢油成像原理 | 第23页 |
2.2 影响SAR海面溢油检测的主要因素 | 第23-25页 |
2.3 SAR图像溢油检测技术 | 第25-39页 |
2.3.1 SAR图像预处理 | 第25-28页 |
2.3.2 SAR图像分割 | 第28-32页 |
2.3.3 溢油识别 | 第32-39页 |
2.4 实验数据 | 第39-40页 |
2.5 本章小结 | 第40-41页 |
第3章 基于本体和模糊C均值的SAR图像溢油分割 | 第41-51页 |
3.1 引言 | 第41页 |
3.2 本体 | 第41-47页 |
3.2.1 本体概述 | 第41-42页 |
3.2.2 本体构建 | 第42-47页 |
3.3 基于核的模糊C均值方法 | 第47-49页 |
3.4 算法验证 | 第49页 |
3.5 本章小结 | 第49-51页 |
第4章 基于BEMD的SAR图像溢油识别 | 第51-65页 |
4.1 引言 | 第51-52页 |
4.2 感兴趣区域获取 | 第52-53页 |
4.3 经验模式分解 | 第53-56页 |
4.3.1 EMD | 第53-54页 |
4.3.2 EEMD | 第54-55页 |
4.3.3 BEMD | 第55-56页 |
4.4 特征提取和选择 | 第56-61页 |
4.4.1 特征提取 | 第56-58页 |
4.4.2 特征选择 | 第58-61页 |
4.5 算法验证与比较 | 第61-64页 |
4.5.1 有效性验证 | 第61-63页 |
4.5.2 性能的对比 | 第63-64页 |
4.6 本章小结 | 第64-65页 |
第5章 基于EEMD的海杂波下小目标的检测 | 第65-101页 |
5.1 海杂波下小目标的检测技术 | 第65-87页 |
5.1.1 雷达回波基本理论 | 第66-74页 |
5.1.2 脉冲积累 | 第74-75页 |
5.1.3 恒虚警率检测 | 第75-77页 |
5.1.4 自适应匹配检测 | 第77-78页 |
5.1.5 变换域下的特征检测 | 第78-87页 |
5.2 海杂波实验数据 | 第87-90页 |
5.2.1 实测数据 | 第87-89页 |
5.2.2 仿真数据 | 第89-90页 |
5.3 基于EEMD和多重分形的小目标检测 | 第90-96页 |
5.3.1 引言 | 第90-91页 |
5.3.2 海杂波EEMD分解后的分形特性分析 | 第91-93页 |
5.3.3 目标检测 | 第93-96页 |
5.3.4 结论 | 第96页 |
5.4 基于EEMD和相关系数的小目标检测 | 第96-99页 |
5.4.1 相关性特征提取 | 第96-98页 |
5.4.2 目标检测 | 第98-99页 |
5.4.3 结论 | 第99页 |
5.5 本章小结 | 第99-101页 |
第6章 基于迁移学习的海杂波下小目标检测 | 第101-112页 |
6.1 引言 | 第101-102页 |
6.2 迁移学习 | 第102-109页 |
6.2.1 概述 | 第102-104页 |
6.2.2 迁移学习算法 | 第104-107页 |
6.2.3 基于TrAdaBoost和SVM的迁移方法 | 第107-109页 |
6.3 算法验证 | 第109-111页 |
6.3.1 历史数据的迁移 | 第109-110页 |
6.3.2 不同目标的迁移 | 第110-111页 |
6.4 本章小结 | 第111-112页 |
第7章 结论与展望 | 第112-115页 |
7.1 结论 | 第112-113页 |
7.2 展望 | 第113-115页 |
参考文献 | 第115-125页 |
攻读学位期间公开发表论文 | 第125-126页 |
攻读学位期间参加的科研项目 | 第126-127页 |
致谢 | 第127-128页 |
作者简介 | 第128页 |