摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
第一章 绪论 | 第9-23页 |
·研究背景及意义 | 第9-12页 |
·PCNN技术背景 | 第9-10页 |
·遥感技术的应用 | 第10-11页 |
·问题的提出 | 第11-12页 |
·PCNN模型及遥感图像战略目标自动识别的发展现状 | 第12-16页 |
·目标识别概述 | 第16-21页 |
·目标识别的一般策略 | 第16页 |
·目标识别的关键技术 | 第16-17页 |
·目标识别的一般过程 | 第17-21页 |
·本文的主要工作 | 第21-22页 |
·本文的主要贡献及创新点 | 第22-23页 |
第二章 PCNN模型的基本原理及其在图像处理中的应用 | 第23-34页 |
·PCNN基本模型 | 第23-25页 |
·PCNN运行机制 | 第25-27页 |
·PCNN的工作过程 | 第25页 |
·PCNN的运行行为 | 第25-27页 |
·PCNN的特性分析 | 第27-29页 |
·对PCNN模型的常见改进 | 第29-30页 |
·PCNN模型在图像处理中的应用 | 第30-34页 |
第三章 双级并行点火PCNN新模型 | 第34-44页 |
·问题的提出 | 第34-35页 |
·双级并行点火PCNN模型基本原理 | 第35-41页 |
·系统结构 | 第35-36页 |
·预处理 | 第36-38页 |
·基于并行点火PCNN模型的图像分割 | 第38-41页 |
·模型原理 | 第38-39页 |
·算法流程 | 第39页 |
·阈值衰减方式 | 第39-40页 |
·PFPCNN模型的运行行为 | 第40页 |
·PFPCNN模型的特点 | 第40-41页 |
·基于DLPFPCNN模型图像分割实验 | 第41-44页 |
第四章 基于DLPFPCNN的遥感图像水上桥梁目标识别 | 第44-79页 |
·背景 | 第44页 |
·水上桥梁目标的先验知识 | 第44-47页 |
·桥梁识别算法及流程 | 第47页 |
·基于简化PCNN模型的图像预处理 | 第47-51页 |
·简化PCNN模型结构 | 第48-49页 |
·基于简化PCNN模型和中值滤波法的噪声滤波器 | 第49-51页 |
·基于DLPFPCNN新模型的水域分割 | 第51-61页 |
·DLPFPCNN模型结构 | 第51页 |
·DLPFPCNN应用于水域分割 | 第51-59页 |
·最小类内方差准则判定最佳分割结果 | 第59-61页 |
·水域分割后续处理(形态学运算及聚类) | 第61-66页 |
·算法流程 | 第61页 |
·数学形态学介绍 | 第61-63页 |
·形态腐蚀运算 | 第63-64页 |
·聚类 | 第64-65页 |
·形态膨胀运算 | 第65-66页 |
·桥梁轮廓粗检测 | 第66-74页 |
·粗检测流程 | 第66页 |
·去除形状不规则的伪目标 | 第66-67页 |
·轮廓跟踪 | 第67-69页 |
·直线段检测 | 第69-71页 |
·基于梯度信息的桥梁边缘粗检测 | 第71-74页 |
·基于先验知识的桥梁识别 | 第74-79页 |
·识别流程 | 第74-75页 |
·连续直线点统计 | 第75页 |
·直线拟合 | 第75-76页 |
·桥梁边缘配对 | 第76-77页 |
·桥梁区域填充并计算桥梁形心坐标 | 第77-78页 |
·识别结果与分析 | 第78-79页 |
第五章 基于DLPFPCNN的遥感图像港口目标识别 | 第79-97页 |
·背景 | 第79-80页 |
·港口目标的特征和先验知识 | 第80-84页 |
·港口图像的特征 | 第80-81页 |
·港口目标的先验知识 | 第81-84页 |
·港口目标识别算法 | 第84-97页 |
·基于改进PCNN模型的预处理 | 第84-86页 |
·基于DLPFPCNN的水域分割 | 第86-92页 |
·防波堤轮廓粗检测 | 第92-94页 |
·基于先验知识的港口识别 | 第94-97页 |
·连续直线点统计(去除伪目标) | 第94-95页 |
·防波堤边缘点首尾连接 | 第95页 |
·防波堤区域填充与港口区域识别 | 第95-97页 |
第六章 总结与展望 | 第97-99页 |
·本文工作总结 | 第97-98页 |
·研究工作展望 | 第98-99页 |
致谢 | 第99-100页 |
参考文献 | 第100-104页 |
作者攻硕期间取得的成果 | 第104页 |