| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景和意义 | 第7页 |
| ·国内外研究现状 | 第7-10页 |
| ·论文的研究工作 | 第10-11页 |
| ·论文的组织结构 | 第11页 |
| ·本章小结 | 第11-13页 |
| 第二章 地基云纹理特征概述 | 第13-25页 |
| ·云状分类描述 | 第13页 |
| ·实验样本介绍 | 第13-15页 |
| ·图像预处理方法简介 | 第15-18页 |
| ·灰度化 | 第16页 |
| ·噪声抑制 | 第16-17页 |
| ·直方图均衡化 | 第17-18页 |
| ·锐化 | 第18页 |
| ·纹理 | 第18-24页 |
| ·纹理描述 | 第19-20页 |
| ·纹理特征提取方法 | 第20-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于Gabor滤波器的纹理特征提取方法研究 | 第25-34页 |
| ·Gabor小波 | 第25-26页 |
| ·Heisenberg测不准原理 | 第26-27页 |
| ·一维Gabor滤波器 | 第27-29页 |
| ·二维Gabor滤波器 | 第29-31页 |
| ·Gabor滤波器在纹理特征提取中的应用研究分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 BP神经网络 | 第34-39页 |
| ·BP神经网络简介 | 第34-35页 |
| ·BP神经网络训练过程 | 第35-38页 |
| ·BP神经网络建立 | 第35页 |
| ·BP神经网络构建 | 第35-38页 |
| ·BP神经网络训练 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于Gabor滤波器和BP神经网络的地基云分类 | 第39-61页 |
| ·Gabor滤波器提取地基云图纹理特征 | 第39-45页 |
| ·Gabor滤波器核函数的选择 | 第39-40页 |
| ·Gabor滤波器参数设置 | 第40页 |
| ·Gabor滤波器特征提取 | 第40-45页 |
| ·BP神经网络分类器构造 | 第45-48页 |
| ·标准多类分类器的设计结构 | 第45-46页 |
| ·标准多类分类器的实现原理 | 第46页 |
| ·二阶多类分类器的设计结构 | 第46-48页 |
| ·二阶多类分类器的实现原理 | 第48页 |
| ·基于优化BP神经网络的标准分类器的应用分析 | 第48-51页 |
| ·标准多类地基云分类器的实现过程 | 第48-49页 |
| ·标准多类地基云分类器的实验结果与分析 | 第49-51页 |
| ·基于优化BP神经网络的二阶分类器的应用分析 | 第51-60页 |
| ·二阶多类地基云分类器的实现过程 | 第51-53页 |
| ·二阶多类地基云分类器的实验结果与分析 | 第53-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·论文的工作总结 | 第61页 |
| ·论文的展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |