| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 注释表 | 第13-14页 |
| 缩略词 | 第14-15页 |
| 第一章 绪论 | 第15-22页 |
| ·课题研究背景和意义 | 第15-16页 |
| ·课题的国内外研究现状 | 第16-19页 |
| ·海面舰船 SAR 图像去噪研究现状 | 第16页 |
| ·海面溢油 SAR 图像分割方法研究现状 | 第16-17页 |
| ·海面溢油与舰船 SAR 图像目标检测方法研究现状 | 第17-19页 |
| ·本文的主要内容和主要创新点 | 第19-22页 |
| ·本文的主要内容 | 第19页 |
| ·本文的主要创新点 | 第19-22页 |
| 第二章 基于 Tsallis 熵、加移动因子 CV 模型的海面溢油 SAR 图像分割 | 第22-30页 |
| ·引言 | 第22页 |
| ·基于 Tsallis 熵的海面溢油 SAR 图像粗分割 | 第22-24页 |
| ·Tsallis 熵的定义及其单阈值选取 | 第23页 |
| ·基于 Tsallis 熵的多阈值选取 | 第23-24页 |
| ·基于加移动因子 CV 模型的海面溢油 SAR 图像精分割 | 第24-26页 |
| ·CV 模型 | 第24-25页 |
| ·加移动因子的 CV 模型 | 第25-26页 |
| ·实验结果与分析 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于 Tsallis 交叉熵、带边缘指示函数 CV 模型的海面溢油 SAR 图像分割 | 第30-39页 |
| ·引言 | 第30页 |
| ·基于 Tsallis 交叉熵多阈值的海面溢油图像粗分割 | 第30-34页 |
| ·Tsallis 交叉熵的定义及其阈值选取 | 第30-32页 |
| ·混沌粒子群优化算法 | 第32-33页 |
| ·Tsallis 熵多阈值选取的混沌粒子群优化算法实现 | 第33-34页 |
| ·带边缘指示函数的 CV 模型 | 第34-35页 |
| ·实验结果与分析 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于复 Contourlet 变换、Krawchouk 矩及 FCM 的海面溢油 SAR 图像纹理分割 | 第39-49页 |
| ·引言 | 第39-40页 |
| ·复 Contourlet 变换 | 第40-41页 |
| ·Contourlet 变换的基本原理 | 第40页 |
| ·双树复小波变换的基本原理 | 第40-41页 |
| ·复 Contourlet 变换的基本原理 | 第41页 |
| ·Krawtchouk 矩及其性质 | 第41-42页 |
| ·基于复 Contourlet、Krawtchouk 矩和 FCM 的图像纹理分割算法 | 第42-45页 |
| ·基于复 Contourlet 变换的纹理特征提取 | 第42-43页 |
| ·基于 Krawtchouk 矩的形状特征提取 | 第43-44页 |
| ·模糊 C 均值聚类算法 | 第44-45页 |
| ·算法实现 | 第45页 |
| ·实验结果与分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于 Gabor 变换、Krawtchouk 矩以及支持向量机的海面溢油 SAR 图像分类研究 | 第49-57页 |
| ·引言 | 第49-50页 |
| ·纹理的特征提取方法 | 第50-51页 |
| ·基于 Gabor 滤波器的纹理分析理论 | 第51-52页 |
| ·Gabor 变换 | 第51页 |
| ·二维 Gabor 滤波器设计 | 第51-52页 |
| ·海面溢油图像 Gabor 特征提取 | 第52页 |
| ·支持向量机 | 第52-55页 |
| ·机器学习概述 | 第52-53页 |
| ·支持向量机原理 | 第53-55页 |
| ·实验结果与分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 基于双树复小波变换和各向异性扩散的海面舰船 SAR 图像去噪方法 | 第57-63页 |
| ·引言 | 第57-58页 |
| ·双树复小波变换 | 第58页 |
| ·扩散模型介绍 | 第58-60页 |
| ·PM 模型 | 第58-59页 |
| ·TV 扩散 | 第59-60页 |
| ·改进的 TV 模型 | 第60页 |
| ·海面舰船 SAR 图像去噪算法步骤 | 第60-61页 |
| ·实验结果与分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第七章 基于 KFCM 和 CFAR 的海面舰船目标检测算法 | 第63-70页 |
| ·引言 | 第63页 |
| ·核模糊聚类算法 | 第63-65页 |
| ·KFCM 理论 | 第63-64页 |
| ·KFCM 算法实现 | 第64-65页 |
| ·改进的双参数 CFAR 算法 | 第65-67页 |
| ·CFAR 算法 | 第65页 |
| ·双参数 CFAR 检测算法 | 第65-66页 |
| ·改进的双参数 CFAR 检测算法 | 第66-67页 |
| ·实验结果及分析 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第八章 总结和展望 | 第70-73页 |
| ·本文的主要工作 | 第70-71页 |
| ·下一步的研究工作 | 第71-73页 |
| 参考文献 | 第73-80页 |
| 致谢 | 第80-81页 |
| 在学期间的研究成果及发表的学术论文 | 第81页 |
