| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-11页 |
| 1.1.1 研究背景 | 第8-10页 |
| 1.1.2 研究的意义 | 第10-11页 |
| 1.2 极光分类研究进展和现状 | 第11-14页 |
| 1.2.1 极光图像的研究进展 | 第11-12页 |
| 1.2.2 图像分析与模式识别的应用 | 第12-14页 |
| 1.3 本论文的内容安排与结构 | 第14-16页 |
| 第2章 基础理论知识 | 第16-30页 |
| 2.1 小波变换 | 第16-20页 |
| 2.1.1 第一代小波变换 | 第16-17页 |
| 2.1.2 二进小波 | 第17-18页 |
| 2.1.3 离散小波变换 | 第18-19页 |
| 2.1.4 Mallat算法 | 第19-20页 |
| 2.1.5 二维离散小波交换 | 第20页 |
| 2.2 局部二值模式 | 第20-25页 |
| 2.2.1 局部二值模式算子的计算方法 | 第21-22页 |
| 2.2.2 改进的局部二值模式 | 第22-24页 |
| 2.2.3 LBP方法的优点与不足 | 第24-25页 |
| 2.3 近邻分类算法综述 | 第25-30页 |
| 第3章 基于自适应提升小波和LBP的极光模糊近邻分类算法 | 第30-42页 |
| 3.1 图像预处理 | 第30-34页 |
| 3.1.1 图像对比度调整 | 第30-31页 |
| 3.1.2 图像的平移和旋转 | 第31页 |
| 3.1.3 极光图像的旋转 | 第31-32页 |
| 3.1.4 图像掩膜和裁剪 | 第32-34页 |
| 3.2 双尺度算法 | 第34-38页 |
| 3.2.1 自适应提升的小波变换 | 第34-38页 |
| 3.2.2 变尺度滤波 | 第38页 |
| 3.3 局部二值模式和模糊近邻分类 | 第38-42页 |
| 3.3.1 适应本算法的局部二值模式 | 第38-39页 |
| 3.3.2 近邻算法的模糊分类器 | 第39-42页 |
| 第4章 实验和讨论 | 第42-54页 |
| 4.1 极光分类识别的一些方法 | 第42-46页 |
| 4.1.1 基于极光弧模型的极光识别 | 第42-44页 |
| 4.1.2 基于LBP-SVM的极光识别 | 第44-46页 |
| 4.2 实验部分 | 第46-51页 |
| 4.2.1 极光分类算法效率对比 | 第47-48页 |
| 4.2.2 计算算法对噪声的容量 | 第48-50页 |
| 4.2.3 实验的计算成本 | 第50-51页 |
| 4.3 实验总结 | 第51-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 本文总结 | 第54-55页 |
| 5.2 未来工作的建议 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 攻读硕士期间科研成果 | 第62页 |