| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·图像识别技术研究与发展 | 第7-8页 |
| ·图像识别技术发展与应用 | 第7页 |
| ·图像识别系统的组成 | 第7-8页 |
| ·危险物品检测与研究背景 | 第8-11页 |
| ·危险物品检测方法介绍 | 第8-9页 |
| ·可见光成像系统介绍 | 第9页 |
| ·毫米波介绍 | 第9-11页 |
| ·毫米波成像系统介绍 | 第9-10页 |
| ·毫米波成像系统应用 | 第10-11页 |
| ·本文研究内容及章节介绍 | 第11-13页 |
| 第二章 基于多传感器探测的危险物品检测、识别分类及定位实现方案 | 第13-25页 |
| ·危险物品检测、识别分类及定位实现方案 | 第13页 |
| ·危险物品图像预处理 | 第13-24页 |
| ·毫米波成像图像特点 | 第14-15页 |
| ·图像去噪 | 第15-16页 |
| ·软阈值去噪原理 | 第15-16页 |
| ·小波去噪结果 | 第16页 |
| ·图像增强 | 第16-21页 |
| ·灰度调整 | 第17页 |
| ·非线性外推算法的基本原理 | 第17-19页 |
| ·毫米波图像在频率域进行非线性外推增强 | 第19页 |
| ·毫米波图像在小波域进行非线性外推增强 | 第19-21页 |
| ·图像分割 | 第21-24页 |
| ·图像分割的基本概念及几种常用分割方法 | 第21-22页 |
| ·迭代最佳阈值分割 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 危险物品的特征提取 | 第25-41页 |
| ·图像特征提取基本概念 | 第25页 |
| ·几种常用的图像特征提取方法 | 第25-30页 |
| ·纹理特征提取 | 第25-27页 |
| ·形状和结构特征提取 | 第27-30页 |
| ·危险物品轮廓矩不变量的特征提取 | 第30-40页 |
| ·图像的边缘提取 | 第30-34页 |
| ·轮廓矩不变量特征算法 | 第34-37页 |
| ·图像轮廓矩不变量特征提取结果与分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 危险物品识别分类与定位 | 第41-57页 |
| ·模式分类技术 | 第41-48页 |
| ·模式分类基础知识 | 第41-43页 |
| ·统计模式分类方法 | 第43-46页 |
| ·模式分类的一些新方法 | 第46-48页 |
| ·BP神经网络在危险物品识别分类中的应用 | 第48-51页 |
| ·BP神经网络模型 | 第48-49页 |
| ·BP网络学习算法 | 第49页 |
| ·实验结果与分析 | 第49-51页 |
| ·模糊C均值聚类在危险物品识别分类中的应用 | 第51-53页 |
| ·模糊C均值聚类(FCM)算法 | 第51-52页 |
| ·模糊聚类应用于目标识别及实验结果分析 | 第52-53页 |
| ·危险物品定位 | 第53-55页 |
| ·危险物品定位精度 | 第54-55页 |
| ·提高定位精度的几个因素 | 第55页 |
| ·本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·未来工作展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 在读期间的研究成果 | 第65-66页 |