| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-20页 |
| ·课题研究背景和意义 | 第13-14页 |
| ·课题的国内外研究现状 | 第14-17页 |
| ·SAR 图像去噪方法研究现状 | 第14页 |
| ·SAR 图像分割方法研究现状 | 第14-15页 |
| ·SAR 图像目标检测方法研究现状 | 第15-17页 |
| ·本文的章节安排和主要创新点 | 第17-20页 |
| ·本文的章节安排 | 第17-18页 |
| ·本文的主要创新点 | 第18-20页 |
| 第二章 基于复 Contourlet 变换和 HMT 模型的 SAR 图像去噪方法 | 第20-29页 |
| ·引言 | 第20-21页 |
| ·复 Contourlet 变换 | 第21-22页 |
| ·Contourlet 变换的基本原理 | 第21页 |
| ·双树复小波变换的基本原理 | 第21-22页 |
| ·复 Contourlet 变换的基本原理 | 第22页 |
| ·基于复 Contourlet 变换的 HMT 模型 | 第22-26页 |
| ·复 Contourlet 域 HMT 模型的统计建模 | 第22-24页 |
| ·期望值最大算法的基本原理 | 第24-25页 |
| ·基于 HMT 模型复 Contourlet 系数的贝叶斯估计 | 第25页 |
| ·算法实现 | 第25-26页 |
| ·实验结果与分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于混沌粒子群优化的二维模糊 Tsallis 熵 SAR 图像阈值分割方法 | 第29-38页 |
| ·引言 | 第29页 |
| ·二维模糊 Tsallis 熵阈值分割原理 | 第29-32页 |
| ·基于灰度级-邻域平均灰度级的二维直方图 | 第29-30页 |
| ·隶属度函数选择 | 第30-32页 |
| ·二维模糊最大 Tsallis 熵准则 | 第32页 |
| ·混沌粒子群优化算法 | 第32-33页 |
| ·粒子群优化算法 | 第32-33页 |
| ·混沌粒子群优化算法 | 第33页 |
| ·二维模糊 Tsallis 熵阈值选取的混沌粒子群优化算法实现 | 第33-34页 |
| ·实验结果与分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于二维最小 Tsallis 交叉熵的 SAR 图像舰船目标检测方法 | 第38-46页 |
| ·引言 | 第38页 |
| ·二维 Tsallis 交叉熵阈值选取 | 第38-41页 |
| ·二维 Tsallis 交叉熵定义 | 第38-40页 |
| ·阈值选取准则及快速递推算法 | 第40-41页 |
| ·二维 Tsallis 交叉熵的 CPSO 算法实现 | 第41-42页 |
| ·数学形态学 | 第42-43页 |
| ·实验结果与分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于核模糊聚类和 CV 模型的 SAR 图像海面溢油检测方法 | 第46-53页 |
| ·引言 | 第46页 |
| ·核模糊聚类算法 | 第46-48页 |
| ·模糊 C 均值聚类 | 第46-47页 |
| ·高斯核函数 | 第47页 |
| ·KFCM 算法实现 | 第47-48页 |
| ·CV 模型 | 第48-49页 |
| ·基于 KFCM 与 CV 模型的检测算法实现 | 第49-50页 |
| ·实验结果与分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 基于 Contourlet 域模极大值和改进数学形态学的 SAR 图像河流检测方法 | 第53-60页 |
| ·引言 | 第53-54页 |
| ·基于 Contourlet 域数学形态学的边缘检测 | 第54-56页 |
| ·Contourlet 域模极大值边缘检测 | 第54-55页 |
| ·改进的数学形态学边缘检测算子 | 第55-56页 |
| ·低频图像与高频图像的融合 | 第56页 |
| ·算法实现 | 第56页 |
| ·实验结果与分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第七章 总结和展望 | 第60-62页 |
| ·本文的主要工作 | 第60-61页 |
| ·下一步的研究工作 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 在学期间的研究成果及发表的学术论文 | 第69页 |
