| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 舰船目标检测研究现状 | 第11-13页 |
| 1.2.2 舰船目标识别研究现状 | 第13-14页 |
| 1.3 论文主要内容结构及安排 | 第14-15页 |
| 第2章 红外舰船图像预处理方法 | 第15-26页 |
| 2.1 红外图像特点 | 第15-16页 |
| 2.1.1 一般红外图像特点 | 第15页 |
| 2.1.2 红外舰船图像特点 | 第15-16页 |
| 2.2 红外图像预处理方法 | 第16-19页 |
| 2.2.1 小波阈值法 | 第16-18页 |
| 2.2.2 P-M模型扩散法 | 第18-19页 |
| 2.3 P-M模型参数的研究 | 第19-21页 |
| 2.3.1 P-M模型梯度门限 | 第20-21页 |
| 2.3.2 P-M模型梯度阈值 | 第21页 |
| 2.4 实验及结果分析 | 第21-25页 |
| 2.4.1 去噪效果的评价标准 | 第21-22页 |
| 2.4.2 小波阈值与P-M模型对比仿真 | 第22-24页 |
| 2.4.3 P-M衰减阈值对比仿真 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 复杂背景下红外舰船轮廓提取方法 | 第26-41页 |
| 3.1 红外舰船图像预变换 | 第26-27页 |
| 3.2 GVF-Snake主动轮廓模型 | 第27-28页 |
| 3.2.1 GVF-Snake模型的原理 | 第27-28页 |
| 3.2.2 GVF-Snake模型的优缺点 | 第28页 |
| 3.3 初始轮廓的选取方法 | 第28-34页 |
| 3.3.1 OTSU算法轮廓初始化 | 第29-30页 |
| 3.3.2 SUSAN算法轮廓初始化 | 第30-31页 |
| 3.3.3 PCNN算法轮廓初始化 | 第31-34页 |
| 3.4 基于GVF-Snake模型的改进模型 | 第34-37页 |
| 3.4.1 基于Canny滤波的GVF-Snake模型扩散力场的改进 | 第34-36页 |
| 3.4.2 基于PCNN算法的GVF-Snake模型方法 | 第36-37页 |
| 3.5 实验及结果分析 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 舰船特征提取方法 | 第41-53页 |
| 4.1 舰船图像特征描述 | 第41-42页 |
| 4.2 舰船分割后图像的几何特征 | 第42-47页 |
| 4.2.1 传统几何特征提取 | 第42页 |
| 4.2.2 特定几何特征提取 | 第42-47页 |
| 4.3 Hu不变矩特征提取 | 第47-49页 |
| 4.4 实验及结果分析 | 第49-52页 |
| 4.4.1 特征提取实验 | 第49-52页 |
| 4.4.2 特征提取耗时对比 | 第52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 舰船识别与分类方法 | 第53-65页 |
| 5.1 单隐层反馈神经网络 | 第53-55页 |
| 5.2 极限学习机 | 第55-60页 |
| 5.2.1 传统极限学习机 | 第55-58页 |
| 5.2.2 在线序列极限学习机 | 第58-60页 |
| 5.4 实验及结果分析 | 第60-64页 |
| 5.4.1 OS-ELM参数选取实验 | 第60-61页 |
| 5.4.2 舰船图像识别检测与分类界面的设计 | 第61-63页 |
| 5.4.3 舰船识别实验 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |