| 摘要 | 第10-11页 |
| Abstract | 第11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 论文的研究背景和意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 国内外相关技术研究现状 | 第13-16页 |
| 1.2.1 红外舰船目标识别技术发展现状 | 第13-15页 |
| 1.2.2 三维物体识别技术综述 | 第15-16页 |
| 1.3 本文研究的总体思路 | 第16-17页 |
| 1.4 本文的主要内容和结构安排 | 第17-20页 |
| 1.4.1 主要研究内容 | 第17-18页 |
| 1.4.2 结构安排 | 第18-19页 |
| 1.4.3 本文的创新点 | 第19-20页 |
| 第二章 基于 3ds Max的舰船目标图像库建立 | 第20-27页 |
| 2.1 相关舰船模型介绍 | 第20-21页 |
| 2.2 三维模型的建立 | 第21-23页 |
| 2.3 图像库的建立 | 第23-25页 |
| 2.4 3ds Max实现方法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于自适应阈值的区域生长的舰船目标分割 | 第27-36页 |
| 3.1 区域生长法 | 第27-28页 |
| 3.2 形态学图像处理 | 第28-29页 |
| 3.3 基于自适应阈值区域生长法的目标分割 | 第29-33页 |
| 3.3.1 可变阈值的区域生长改进算法 | 第29-31页 |
| 3.3.2 数学形态学滤波及几何学处理 | 第31-33页 |
| 3.4 实验结果分析 | 第33-35页 |
| 3.4.1 分割结果对比 | 第33-34页 |
| 3.4.2 评价结果对比 | 第34-35页 |
| 3.4.3 实验结果分析 | 第35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于AP算法的三维目标特征库提取 | 第36-47页 |
| 4.1 SIFT算法概述 | 第36-42页 |
| 4.1.1 构造尺度空间函数 | 第37-38页 |
| 4.1.2 局部极值检测 | 第38-40页 |
| 4.1.3 极值点的方向分配 | 第40页 |
| 4.1.4 特征描述子的生成 | 第40-42页 |
| 4.2 AP改进算法的三维目标SIFT特征库的建立 | 第42-46页 |
| 4.2.1 SIFT特征提取 | 第42-43页 |
| 4.2.2 图像库AP聚类 | 第43-44页 |
| 4.2.3 SIFT特征结合AP聚类实现图像特征库的建立 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 基于改进ASIFT算法的三维目标识别 | 第47-63页 |
| 5.1 SIFT特征匹配原理 | 第47-48页 |
| 5.2 ASIFT算法基本原理 | 第48-51页 |
| 5.2.1 算法概述 | 第48-49页 |
| 5.2.2 水平采样和垂直采样 | 第49页 |
| 5.2.3 采样范围 | 第49-50页 |
| 5.2.4 采样步骤 | 第50-51页 |
| 5.3 基于ASIFT算法的识别改进算法 | 第51-59页 |
| 5.3.1 SIFT特征图像匹配 | 第51-52页 |
| 5.3.2 ASIFT特征图像匹配 | 第52-53页 |
| 5.3.3 舰船特征点匹配算法 | 第53-57页 |
| 5.3.4 目标识别软件 | 第57页 |
| 5.3.5 目标识别系统的分析 | 第57-59页 |
| 5.4 目标测试集的建立及实验数据分析 | 第59-61页 |
| 5.4.1 AP聚类改进算法实验结果 | 第59-60页 |
| 5.4.2 ASIFT匹配改进算法实验结果 | 第60-61页 |
| 5.5 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文总结 | 第63页 |
| 6.2 下一步工作展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 作者在学期间取得的学术成果 | 第70页 |