| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-36页 |
| ·研究背景 | 第11-15页 |
| ·课题来源 | 第11页 |
| ·研究目的与意义 | 第11-14页 |
| ·研究目标 | 第14-15页 |
| ·相关研究领域及其发展现状 | 第15-34页 |
| ·卫星云图和水汽图的研究和应用现状 | 第15-23页 |
| ·数据融合技术的研究和应用现状 | 第23-29页 |
| ·数字图像处理及分析的研究和应用现状 | 第29-31页 |
| ·模式识别技术的研究和应用现状 | 第31-34页 |
| ·本文主要工作 | 第34-35页 |
| ·关于图像融合和特征提取的主要研究内容 | 第34-35页 |
| ·关于强云团模式识别的主要研究内容 | 第35页 |
| ·本文结构安排 | 第35-36页 |
| 第2章 卫星红外云图和水汽图的图像融合 | 第36-52页 |
| ·小波融合的基本原理 | 第36-40页 |
| ·图像的小波分解和重构 | 第36-38页 |
| ·小波函数的选择 | 第38-39页 |
| ·小波变换融合的基本原理和过程 | 第39-40页 |
| ·云图和水汽图的融合试验 | 第40-47页 |
| ·融合方案 | 第40-42页 |
| ·试验图像的选择及其预处理 | 第42-43页 |
| ·融合结果分析 | 第43-47页 |
| ·云图与水汽图融合效果评价 | 第47-49页 |
| ·定量评价指标说明 | 第47页 |
| ·云图与水汽图融合效果评价和分析 | 第47-49页 |
| ·融合云图在气象上的应用分析 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第3章 融合云图边缘特征检测及其分析 | 第52-63页 |
| ·基于边缘检测算子的融合云图边缘检测原理及试验 | 第52-56页 |
| ·边缘检测算子的基本原理 | 第52-54页 |
| ·边缘检测算子用于融合云图的试验结果 | 第54-56页 |
| ·基于小波包变换的融合云图边缘检测原理及试验 | 第56-60页 |
| ·小波包变换的基本原理 | 第56-57页 |
| ·小波包分解与算子相结合的边缘检测过程 | 第57-58页 |
| ·基于小波包变换及检测算子相结合的边缘检测试验结果 | 第58-60页 |
| ·边缘检测图像在气象工作中的应用分析 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 第4章 融合云图纹理特征检测及其分析 | 第63-90页 |
| ·基于邻域灰度统计法的纹理检测及分析 | 第63-70页 |
| ·基于邻域灰度统计法的基本原理 | 第63-64页 |
| ·基于邻域灰度统计法的纹理分析试验及结果 | 第64-69页 |
| ·纹理图像的信息熵分析及比较 | 第69-70页 |
| ·基于邻域直方图统计法的纹理检测及分析 | 第70-81页 |
| ·基于邻域直方图的纹理检测基本原理 | 第70-72页 |
| ·基于邻域直方图统计的纹理检测试验及结果 | 第72-80页 |
| ·纹理图像的信息熵分析及比较 | 第80-81页 |
| ·基于邻域自相关函数法的纹理检测及分析 | 第81-87页 |
| ·邻域自相关函数纹理检测方法的基本原理 | 第81-82页 |
| ·基于邻域自相关函数法的纹理检测试验及其结果 | 第82-86页 |
| ·自相关函数法纹理检测图像的信息熵分析和比较 | 第86-87页 |
| ·纹理检测图像在气象业务工作中的应用分析 | 第87-88页 |
| ·本章小结 | 第88-90页 |
| 第5章 卫星云图云的性质的自动识别 | 第90-127页 |
| ·支持向量机(SVM)的理论基础 | 第91-94页 |
| ·学习过程的一致性 | 第91页 |
| ·学习过程的泛化性间隔界 | 第91-93页 |
| ·核函数特征空间 | 第93-94页 |
| ·SVM模式设计 | 第94-102页 |
| ·最优化问题 | 第95-96页 |
| ·SVM模式 | 第96-101页 |
| ·一阶和二阶范数软间隔SVM的比较分析 | 第101-102页 |
| ·优化问题的迭代求解 | 第102-108页 |
| ·梯度下降法简述 | 第103页 |
| ·迭代过程 | 第103-104页 |
| ·步长的选择 | 第104-105页 |
| ·求解过程的终止条件 | 第105-107页 |
| ·核函数的选择 | 第107-108页 |
| ·迭代程序和试验方案设计 | 第108-113页 |
| ·迭代程序 | 第108-111页 |
| ·试验方案设计 | 第111-113页 |
| ·融合卫星云图样本集和样本数据的处理 | 第113-117页 |
| ·样本集的种类 | 第113页 |
| ·输入空间的选择 | 第113-116页 |
| ·样本数据处理 | 第116-117页 |
| ·试验结果及其分析 | 第117-125页 |
| ·一阶软间隔SVM试验结果及分析 | 第117-120页 |
| ·二阶软间隔SVM试验结果及分析 | 第120-124页 |
| ·二阶软间隔与一阶软间隔试验结果比较及分析 | 第124-125页 |
| ·本章小结 | 第125-127页 |
| 第6章 总结与展望 | 第127-132页 |
| ·本文的主要工作和结论 | 第127-129页 |
| ·本文的主要创新点 | 第129页 |
| ·下一步主要工作 | 第129-132页 |
| 参考文献 | 第132-141页 |
| 致谢 | 第141-142页 |
| 作者在攻读博士学位期间发表的学术论文和其它相关研究成果 | 第142页 |