| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 引言 | 第13页 |
| 1.2 课题研究背景和意义 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-16页 |
| 1.4 本文主要工作及结构安排 | 第16-19页 |
| 第2章 遥感图像的获取及预处理 | 第19-25页 |
| 2.1 引言 | 第19页 |
| 2.2 遥感图像的获取 | 第19页 |
| 2.3 遥感图像预处理 | 第19-24页 |
| 2.3.1 灰度化 | 第20-21页 |
| 2.3.2 去噪 | 第21-22页 |
| 2.3.3 图像增强 | 第22-23页 |
| 2.3.4 尺寸调整 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于PCNN的遥感图像分割技术 | 第25-40页 |
| 3.1 引言 | 第25页 |
| 3.2 PCNN的基本理论 | 第25-29页 |
| 3.2.1 典型PCNN的基本模型 | 第25-26页 |
| 3.2.2 参数说明 | 第26-28页 |
| 3.2.3 PCNN的特性 | 第28-29页 |
| 3.3 基于PCNN的遥感图像分割 | 第29-31页 |
| 3.3.1 遥感图像分割的常用方法 | 第29-30页 |
| 3.3.2 PCNN图像分割的原理 | 第30页 |
| 3.3.3 存在的不足及其改进 | 第30-31页 |
| 3.4 基于引力搜索算法参数优化的PCNN遥感图像分割 | 第31-36页 |
| 3.4.1 PCNN模型优化 | 第31-32页 |
| 3.4.2 基于引力搜索算法的PCNN参数优化 | 第32-34页 |
| 3.4.3 基于参数优化的PCNN遥感图像分割 | 第34-36页 |
| 3.5 实验及结果分析 | 第36-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第4章 基于矩特征融合的遥感图像目标特征提取 | 第40-54页 |
| 4.1 引言 | 第40页 |
| 4.2 目标识别的常用特征 | 第40-42页 |
| 4.2.1 颜色特征 | 第40页 |
| 4.2.2 纹理特征 | 第40-41页 |
| 4.2.3 形状特征 | 第41-42页 |
| 4.2.4 组合特征 | 第42页 |
| 4.3 图像特征规范化 | 第42-43页 |
| 4.4 基于小波和仿射不变矩特征融合的遥感图像目标特征提取 | 第43-50页 |
| 4.4.1 小波和仿射不变矩的基本理论 | 第43-45页 |
| 4.4.2 特征向量的建立 | 第45-47页 |
| 4.4.3 特征评价 | 第47-49页 |
| 4.4.4 特征融合 | 第49-50页 |
| 4.5 实验及结果分析 | 第50-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 遥感图像目标的自适应识别 | 第54-66页 |
| 5.1 引言 | 第54页 |
| 5.2 目标识别的常用方法 | 第54-55页 |
| 5.2.1 距离匹配 | 第54-55页 |
| 5.2.2 人工神经网络 | 第55页 |
| 5.2.3 支持向量机 | 第55页 |
| 5.3 目标识别算法的性能评价 | 第55-57页 |
| 5.3.1 检测率 | 第56页 |
| 5.3.2 识别率 | 第56-57页 |
| 5.3.3 虚警率 | 第57页 |
| 5.3.4 消耗时间 | 第57页 |
| 5.4 飞机识别全过程 | 第57-61页 |
| 5.4.1 算法整体流程设计 | 第57-59页 |
| 5.4.2 飞机目标粗定位 | 第59-60页 |
| 5.4.3 飞机目标精确识别 | 第60-61页 |
| 5.5 实验结果及其分析 | 第61-64页 |
| 5.6 本章小结 | 第64-66页 |
| 第6章 工作总结与研究展望 | 第66-70页 |
| 6.1 工作总结和创新点 | 第66-67页 |
| 6.2 未来研究展望 | 第67-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间发表的学术论文和专利 | 第74-76页 |
| 致谢 | 第76页 |