| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-29页 |
| 1.1 课题概述 | 第10-12页 |
| 1.2 相关文献综述 | 第12-27页 |
| 1.3 论文主要内容 | 第27-29页 |
| 2 基于级联深度卷积神经网络的PIV速度场估计算法 | 第29-52页 |
| 2.1 引言 | 第29-30页 |
| 2.2 深度卷积神经网络的基本概念 | 第30-32页 |
| 2.3 PIV-DCNN算法框架与实现 | 第32-36页 |
| 2.4 百万级训练数据生成与DCNN网络训练 | 第36-39页 |
| 2.5 实验与讨论 | 第39-51页 |
| 2.6 本章小结 | 第51-52页 |
| 3 基于并联深度卷积神经网络的PIV速度梯度张量场估计算法 | 第52-71页 |
| 3.1 引言 | 第52页 |
| 3.2 GTNET算法框架与实现 | 第52-57页 |
| 3.3 实验与讨论 | 第57-70页 |
| 3.4 本章小结 | 第70-71页 |
| 4 基于非均匀概率模型的PIV异常值检测替换算法 | 第71-93页 |
| 4.1 引言 | 第71页 |
| 4.2 MVFC算法建模与求解 | 第71-79页 |
| 4.3 实验与讨论 | 第79-92页 |
| 4.4 本章小结 | 第92-93页 |
| 5 PIV软件算法平台DEEPPIV及应用 | 第93-112页 |
| 5.1 引言 | 第93-94页 |
| 5.2 DEEPPIV软件平台 | 第94-101页 |
| 5.3 应用案例 | 第101-111页 |
| 5.4 本章小结 | 第111-112页 |
| 6 总结与展望 | 第112-114页 |
| 6.1 全文总结 | 第112-113页 |
| 6.2 工作展望 | 第113-114页 |
| 致谢 | 第114-116页 |
| 参考文献 | 第116-126页 |
| 附录 Ⅰ 本文算法的伪代码实现 | 第126-128页 |
| 附录 Ⅱ 博士期间研究成果 | 第128-129页 |
| 附录 Ⅲ 缩略语 | 第129-130页 |