基于航天遥感图像的飞机目标识别
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·本课题的意义和背景 | 第9页 |
| ·本课题的国内外现状 | 第9-12页 |
| ·论文研究的主要内容和方法 | 第12-14页 |
| 第2章 遥感影像中飞机目标定位分割 | 第14-35页 |
| ·统计学习理论 | 第14-15页 |
| ·支持向量机原理 | 第15-21页 |
| ·线性SVM | 第16-19页 |
| ·非线性SVM | 第19-20页 |
| ·支持向量机算法流程 | 第20-21页 |
| ·图像局部区域特征 | 第21-30页 |
| ·图像局部区域特征描述子概述 | 第21-22页 |
| ·尺度不变特征变换（SIFT） | 第22-26页 |
| ·仿射尺度不变特征变换（ASIFT） | 第26-30页 |
| ·实验结果与分析 | 第30-34页 |
| ·基于ASIFT 特征的SVM 分割算法 | 第30-31页 |
| ·样本特征提取 | 第31-34页 |
| ·定位分割结果 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第3章 目标特征提取 | 第35-45页 |
| ·图像规范化 | 第35-37页 |
| ·大小归一化 | 第35页 |
| ·图像二值化和噪声滤除 | 第35-36页 |
| ·方向估计和归一化 | 第36-37页 |
| ·三种目标特征提取 | 第37-42页 |
| ·小波系数分形维数特征 | 第37-40页 |
| ·仿射不变矩描述子 | 第40-41页 |
| ·致密性特征 | 第41-42页 |
| ·三种特征加权计算 | 第42页 |
| ·实验数据和分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 遥感影像中多姿态多类型飞机自动分类识别 | 第45-55页 |
| ·广义多类问题 | 第45-50页 |
| ·一对多的最大响应 | 第45-46页 |
| ·一对一的决策策略 | 第46-47页 |
| ·有向无环图SVM | 第47-48页 |
| ·二叉树SVM | 第48-50页 |
| ·多类SVM 分类速度 | 第50页 |
| ·结合无监督聚类的SVM 多分类决策二叉树 | 第50-53页 |
| ·核K 均值聚类方法 | 第50-52页 |
| ·结合核K 均值聚类的SVM 多类决策树分级网络 | 第52-53页 |
| ·实验结果与分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 总结和展望 | 第55-58页 |
| 参考文献 | 第58-64页 |
| 作者简介 | 第64-65页 |
| 致谢 | 第65页 |
