| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状及课题来源 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.2.3 课题来源 | 第11页 |
| 1.3 本文主要研究内容 | 第11-15页 |
| 第2章 水下目标识别系统硬件平台 | 第15-21页 |
| 2.1 半潜式无人艇总体结构 | 第15-19页 |
| 2.1.1 岸上控制系统 | 第15-16页 |
| 2.1.2 半潜式无人艇主体 | 第16-19页 |
| 2.2 水下图像采集与处理系统 | 第19-20页 |
| 2.2.1 室内自然光照下水下图像采集 | 第19-20页 |
| 2.2.2 室内人工光照下水下图像采集 | 第20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 水下图像增强算法研究 | 第21-43页 |
| 3.1 传统的水下图像增强算法 | 第21-30页 |
| 3.1.1 直方图均衡化算法 | 第21-23页 |
| 3.1.2 Retinex理论 | 第23-26页 |
| 3.1.3 同态滤波算法 | 第26-27页 |
| 3.1.4 小波变换 | 第27-30页 |
| 3.2 水下成像模型 | 第30-31页 |
| 3.2.1 光在水中的传播特性 | 第30页 |
| 3.2.2 水下成像物理模型 | 第30-31页 |
| 3.3 基于暗通道先验与颜色校正的水下图像增强 | 第31-37页 |
| 3.3.1 暗原色先验原理 | 第31-32页 |
| 3.3.2 水体透射率求取 | 第32-34页 |
| 3.3.3 改进的背景光准确估计算法 | 第34-36页 |
| 3.3.4 基于Retinex理论的颜色校正 | 第36-37页 |
| 3.4 算法评价 | 第37-42页 |
| 3.4.1 定性分析 | 第39页 |
| 3.4.2 定量分析 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 水下目标分割与多特征提取方法研究 | 第43-63页 |
| 4.1 基于Roberts算子和水平集的水下图像分割方法 | 第43-54页 |
| 4.1.1 常用的边缘检测算子 | 第43-46页 |
| 4.1.2 常用的图像分割算法 | 第46-47页 |
| 4.1.3 基于改进水平集的水下目标图像分割方法 | 第47-54页 |
| 4.2 特征提取技术分析 | 第54-62页 |
| 4.2.1 形状特征提取技术 | 第54-56页 |
| 4.2.2 纹理特征提取技术 | 第56-60页 |
| 4.2.3 颜色特征提取技术 | 第60-61页 |
| 4.2.4 目标多特征提取方法 | 第61-62页 |
| 4.3 本章小结 | 第62-63页 |
| 第5章 基于多特征提取和BP神经网络的水下目标识别方法 | 第63-81页 |
| 5.1 水下目标识别算法设计 | 第63-64页 |
| 5.2 基于形状、纹理和颜色特征的水下目标识别方法 | 第64-69页 |
| 5.2.1 Hu不变矩法 | 第64-65页 |
| 5.2.2 灰度共生矩阵(GLCM) | 第65页 |
| 5.2.3 颜色空间分析 | 第65-69页 |
| 5.2.4 颜色矩 | 第69页 |
| 5.3 基于BP神经网络的水下目标识别 | 第69-72页 |
| 5.3.1 BP(BackPropagation)神经网络理论 | 第69-70页 |
| 5.3.2 确定输入向量与输出向量 | 第70页 |
| 5.3.3 确定隐含层节点数 | 第70-71页 |
| 5.3.4 建立样本特征库 | 第71-72页 |
| 5.4 水下目标识别实验与分析 | 第72-80页 |
| 5.5 本章小结 | 第80-81页 |
| 总结与展望 | 第81-83页 |
| 总结 | 第81页 |
| 展望 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 攻读学位期间发表的学术论文与专利 | 第89-91页 |
| 致谢 | 第91页 |
