侧扫声呐图像噪声统计分析与去噪方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及选题意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文主要工作和章节安排 | 第16-19页 |
| 第二章 侧扫声呐图像噪声分析 | 第19-37页 |
| 2.1 侧扫声呐的成像原理 | 第19-22页 |
| 2.1.1 侧扫声呐的工作特点 | 第19-21页 |
| 2.1.2 海底底质对侧扫声呐性能的影响 | 第21-22页 |
| 2.2 侧扫声呐图像的特点 | 第22-25页 |
| 2.2.1 侧扫声呐图像的结构 | 第22-23页 |
| 2.2.2 侧扫声呐图像成像特点 | 第23页 |
| 2.2.3 侧扫声呐图像的畸变矫正 | 第23-25页 |
| 2.3 混响统计模型及噪声统计拟合 | 第25-35页 |
| 2.3.1 侧扫声呐混响统计模型分析 | 第25-28页 |
| 2.3.2 概率分布模型及其参数估计 | 第28-32页 |
| 2.3.3 侧扫声呐图像噪声统计拟合 | 第32-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 侧扫声呐图像建模与模拟 | 第37-59页 |
| 3.1 侧扫声呐噪声模型的建立 | 第37-42页 |
| 3.1.1 模型特征的选择 | 第37-38页 |
| 3.1.2 噪声模型的建立 | 第38-40页 |
| 3.1.3 噪声模型的验证 | 第40-42页 |
| 3.2 侧扫声呐图像底质分类 | 第42-46页 |
| 3.2.1 极限学习机算法 | 第42-44页 |
| 3.2.2 底质分类实验 | 第44-46页 |
| 3.3 侧扫声呐图像噪声的模拟 | 第46-48页 |
| 3.3.1 斑点噪声的模拟 | 第46-47页 |
| 3.3.2 对比添加实验结果 | 第47-48页 |
| 3.4 侧扫声呐图像噪声的评价 | 第48-58页 |
| 3.4.1 噪声方差估计算法 | 第48-51页 |
| 3.4.2 图像质量评价算法 | 第51-54页 |
| 3.4.3 图像噪声评价判断指标 | 第54-55页 |
| 3.4.4 噪声图像评价实验 | 第55-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 基于专家场模型的侧扫声呐图像去噪 | 第59-87页 |
| 4.1 基于专家知识的去噪模型 | 第59-65页 |
| 4.1.1 马尔科夫随机场模型 | 第59-60页 |
| 4.1.2 专家场去噪模型 | 第60-63页 |
| 4.1.3 图像去噪仿真实验 | 第63-65页 |
| 4.2 基于伽马分布的专家场去噪算法 | 第65-71页 |
| 4.2.1 伽马分布的似然估计 | 第65-67页 |
| 4.2.2 图像去噪专家场模型 | 第67-69页 |
| 4.2.3 算法实验结果与分析 | 第69-71页 |
| 4.3 图像去噪仿真实验 | 第71-86页 |
| 4.3.1 图像去噪效果的评价方法 | 第71-73页 |
| 4.3.2 模拟加噪图像去噪实验 | 第73-81页 |
| 4.3.3 真实侧扫声呐图像去噪实验 | 第81-86页 |
| 4.4 本章小结 | 第86-87页 |
| 第五章 总结与展望 | 第87-89页 |
| 5.1 主要工作与创新 | 第87页 |
| 5.2 下一步研究工作 | 第87-89页 |
| 参考文献 | 第89-99页 |
| 攻读硕士学位期间取得的科研成果 | 第99-101页 |
| 发表论文情况 | 第99页 |
| 在读期间参加项目情况 | 第99-101页 |
| 致谢 | 第101页 |
