| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10页 |
| ·国内外研究现状 | 第10-14页 |
| ·基于阈值的 ROI 提取算法 | 第11-12页 |
| ·基于分布模型的 ROI 提取算法 | 第12-13页 |
| ·基于分形模型的 ROI 提取算法 | 第13页 |
| ·基于视觉显著性模型的 ROI 提取算法 | 第13页 |
| ·基于小波变换的 ROI 提取算法 | 第13-14页 |
| ·论文主要内容及章节安排 | 第14-17页 |
| 第二章 基于数学形态学和 Gabor 滤波器的 ROI 提取 | 第17-35页 |
| ·相关理论介绍 | 第17-24页 |
| ·数学形态学 | 第17-19页 |
| ·Gabor 滤波器 | 第19-22页 |
| ·分形维数 | 第22-24页 |
| ·基于 Gabor 滤波器和分形特征的舰船目标 ROI 提取 | 第24-30页 |
| ·基于 Tophat 算子的 ROI 获取 | 第24-26页 |
| ·基于 Gabor 滤波器和分形特征的舰船目标提取 | 第26-29页 |
| ·本文算法步骤 | 第29-30页 |
| ·实验结果与分析 | 第30-34页 |
| ·Gabor 滤波增强与分形特征提取 | 第30-32页 |
| ·舰船目标 ROI 提取实验结果与分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于 CV 模型和形状信息相结合的光学卫星遥感图像舰船目标分割 | 第35-47页 |
| ·引言 | 第35-36页 |
| ·图像分割算法 | 第36-38页 |
| ·基于阈值的分割法 | 第36页 |
| ·基于边缘的分割方法 | 第36-37页 |
| ·基于区域的分割方法 | 第37-38页 |
| ·基于形态学的分割方法 | 第38页 |
| ·基于模糊集合和逻辑的分割方法 | 第38页 |
| ·基于 CV 模型的分割算法 | 第38-40页 |
| ·CV 模型及水平集方法 | 第38-40页 |
| ·基于 CV 模型的舰船目标分割 | 第40页 |
| ·CV 模型与形状信息相结合的分割方法 | 第40-44页 |
| ·舰船目标分割模型描述 | 第41页 |
| ·基于 KPCA 的形状信息提取 | 第41-42页 |
| ·改进的 Heaviside 函数 | 第42-44页 |
| ·数值算法实现 | 第44页 |
| ·实验结果与分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 光学卫星遥感图像舰船目标鉴别 | 第47-62页 |
| ·引言 | 第47页 |
| ·特征提取 | 第47-52页 |
| ·形状特征 | 第47-49页 |
| ·灰度特征 | 第49-50页 |
| ·纹理特征 | 第50-52页 |
| ·基于 SVM 的目标鉴别 | 第52-56页 |
| ·SVM 数学基础 | 第53-56页 |
| ·实验结果与分析 | 第56-61页 |
| ·特征选择组合 | 第56-59页 |
| ·实测遥感图像鉴别结果 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·本文的主要成果及创新点 | 第62页 |
| ·需进一步研究的问题 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 作者在学期间取得的学术成果 | 第70页 |
