首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于脉冲耦合神经网络的遥感图像自动目标识别方法研究

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

论文共104页,点击 下载论文
上一篇:基于DSP的移动视频监控系统的设计与实现
下一篇:微波大功率检测系统部件的研制