探地雷达地雷图像处理与目标识别方法
| 第1章 绪论 | 第1-27页 |
| ·课题的提出 | 第14-15页 |
| ·课题的研究背景 | 第15-17页 |
| ·探地雷达图像处理与目标识别技术综述 | 第17-25页 |
| ·恢复图像中地雷尺寸的方法 | 第17-18页 |
| ·图像分割技术 | 第18-19页 |
| ·目标识别技术 | 第19-20页 |
| ·图像融合技术 | 第20-23页 |
| ·图像配准技术 | 第23-25页 |
| ·本文的主要研究工作 | 第25-27页 |
| 第2章 地雷图像处理与识别过程模型 | 第27-41页 |
| ·引言 | 第27页 |
| ·地雷图像处理与识别过程模型 | 第27-28页 |
| ·探地雷达数据的特征 | 第28-33页 |
| ·探地雷达数据 | 第29-31页 |
| ·探地雷达数据的形成过程 | 第31-33页 |
| ·图像预处理 | 第33-35页 |
| ·B扫描图像地雷目标识别方法 | 第35-37页 |
| ·地雷目标的特点 | 第35页 |
| ·最优分类方法 | 第35-37页 |
| ·C扫描地雷图像分割 | 第37-38页 |
| ·图像配准 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 基于维纳滤波器地雷图像预处理 | 第41-51页 |
| ·引言 | 第41页 |
| ·地雷图像预处理过程 | 第41-42页 |
| ·基于维纳滤波器地雷图像预处理方法 | 第42-46页 |
| ·实验结果与分析 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 地雷目标识别的支持向量机原理与方法 | 第51-65页 |
| ·引言 | 第51页 |
| ·地雷识别方法的提出 | 第51-53页 |
| ·基于支持向量机的地雷识别方法 | 第53-60页 |
| ·对未知样本的输出做出尽可能准确的预测 | 第53-54页 |
| ·地雷分类问题 | 第54-56页 |
| ·非线性地雷区域分割最有分类超平面 | 第56-58页 |
| ·基于支持向量记得地雷目标识别算法 | 第58-60页 |
| ·实验结果与分析 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 基于改进竞争学习的图像分割方法 | 第65-82页 |
| ·引言 | 第65页 |
| ·地雷图像分割处理过程模型 | 第65-68页 |
| ·图像中目标的粗分割 | 第66-67页 |
| ·图像精细分割 | 第67-68页 |
| ·图像精细分割方法 | 第68-74页 |
| ·图像精细分割处理的网络结构 | 第68-71页 |
| ·图像精细分割处理算法 | 第71-73页 |
| ·竞争学习方法改进 | 第73-74页 |
| ·分割处理的实验与结果分析 | 第74-81页 |
| ·本章小结 | 第81-82页 |
| 第6章 图像三级配准处理方法及其实验验证 | 第82-96页 |
| ·引言 | 第82页 |
| ·图像配准处理的要求 | 第82-83页 |
| ·图像三级配准的处理过程 | 第83-87页 |
| ·实验与实验结果分析 | 第87-88页 |
| ·性能与分析 | 第88-95页 |
| ·本章小结 | 第95-96页 |
| 结论 | 第96-99页 |
| 参考文献 | 第99-110页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第110-111页 |
| 致谢 | 第111-112页 |
| 个人简历 | 第112页 |
