水下目标探测中的侧扫声纳图像处理技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 引言 | 第10-11页 |
| 1.2 背景和研究意义 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-18页 |
| 1.3.1 侧扫声纳图像去噪方法 | 第14-15页 |
| 1.3.2 侧扫声纳图像分割方法 | 第15-18页 |
| 1.3.3 侧扫声纳图像海底底质分类方法 | 第18页 |
| 1.4 论文的主要研究内容和结构安排 | 第18-20页 |
| 第2章 侧扫声纳图像预处理 | 第20-40页 |
| 2.1 引言 | 第20-21页 |
| 2.2 侧扫声纳图像去噪算法 | 第21-33页 |
| 2.2.1 传统滤波算法 | 第21-23页 |
| 2.2.2 小波去噪算法 | 第23-24页 |
| 2.2.3 曲波去噪算法 | 第24-25页 |
| 2.2.4 BEMD去噪算法 | 第25-26页 |
| 2.2.5 去噪方法对比试验和分析 | 第26-33页 |
| 2.3 侧扫声纳图像增强 | 第33-39页 |
| 2.3.1 模糊对比度增强方法 | 第34-35页 |
| 2.3.2 直方图均衡化 | 第35-36页 |
| 2.3.3 图像灰度规格化 | 第36页 |
| 2.3.4 对比度增强试验与分析 | 第36-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第3章 基于模糊聚类的侧扫声纳图像分割算法 | 第40-61页 |
| 3.1 引言 | 第40页 |
| 3.2 模糊聚类分析 | 第40-42页 |
| 3.3 传统模糊聚类算法 | 第42-44页 |
| 3.3.1 K-means聚类算法 | 第42页 |
| 3.3.2 模糊C均值聚类算法 | 第42-44页 |
| 3.4 改进的FCM聚类算法 | 第44-49页 |
| 3.4.1 结合空间信息的FCM聚类算法 | 第44-45页 |
| 3.4.2 结合纹理信息的FCM聚类算法 | 第45-47页 |
| 3.4.3 改进的结合空间信息的FCM聚类算法 | 第47-49页 |
| 3.5 分割试验与分析 | 第49-59页 |
| 3.6 本章小结 | 第59-61页 |
| 第4章 侧扫声纳图像海底底质分类 | 第61-73页 |
| 4.1 引言 | 第61页 |
| 4.2 侧扫声纳图像的特征提取 | 第61-64页 |
| 4.2.1 灰度共生矩阵 | 第61-63页 |
| 4.2.2 主成分分析 | 第63-64页 |
| 4.3 海底底质分类方法 | 第64-69页 |
| 4.3.1 BP神经网络监督分类方法 | 第64-67页 |
| 4.3.2 自组织竞争神经网络无监督分类方法 | 第67-69页 |
| 4.4 海底底质分类试验 | 第69-72页 |
| 4.4.1 BP神经网络海底底质分类 | 第71页 |
| 4.4.2 自组织竞争神经网络海底底质分类 | 第71-72页 |
| 4.5 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第81-82页 |
| 致谢 | 第82-83页 |
| 附录 | 第83-84页 |
