| 摘要 | 第5-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第14-28页 |
| 1.1 课题研究的背景及意义 | 第14-17页 |
| 1.2 国内外研究现状 | 第17-25页 |
| 1.2.1 人造目标检测算法研究现状 | 第17-23页 |
| 1.2.2 目标检测算法的硬件实现研究现状 | 第23-25页 |
| 1.3 论文的主要研究内容与章节安排 | 第25-28页 |
| 第2章 高分辨率遥感图像人造目标检测关键技术 | 第28-40页 |
| 2.1 引言 | 第28页 |
| 2.2 高分辨率遥感图像及典型遥感人造目标的特点分析 | 第28-32页 |
| 2.2.1 高分辨率遥感图像的特点 | 第28-31页 |
| 2.2.2 高分辨遥感图像中的典型人造目标的特点 | 第31-32页 |
| 2.3 高分辨遥感图像目标检测关键技术分析 | 第32-38页 |
| 2.3.1 候选目标区域提取 | 第33-34页 |
| 2.3.2 目标特征提取 | 第34-36页 |
| 2.3.3 目标的判别确认 | 第36-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第3章 基于视觉显著性与Ada Boost分类器的舰船检测 | 第40-64页 |
| 3.1 引言 | 第40-43页 |
| 3.2 基于视觉显著性的候选区域提取 | 第43-49页 |
| 3.2.1 显著性检测概述 | 第43-45页 |
| 3.2.2 初始显著性图检测 | 第45-46页 |
| 3.2.3 基于元胞自动机的显著性图更新 | 第46-48页 |
| 3.2.4 候选区域提取 | 第48-49页 |
| 3.3 特征提取 | 第49-53页 |
| 3.3.1 形状特征 | 第49-50页 |
| 3.3.2 E-HOG特征 | 第50-52页 |
| 3.3.3 舰船主轴方向的提取 | 第52-53页 |
| 3.4 基于Ada Boost分类器的目标确认 | 第53-56页 |
| 3.5 实验结果与对比分析 | 第56-62页 |
| 3.5.1 实验数据 | 第56-57页 |
| 3.5.2 实验结果与分析 | 第57-62页 |
| 3.6 本章小结 | 第62-64页 |
| 第4章 K-means聚类与几何特征相结合的多类人造目标检测算法 | 第64-80页 |
| 4.1 引言 | 第64-65页 |
| 4.2 直线段的提取 | 第65-71页 |
| 4.2.1 直线段提取方法 | 第65-67页 |
| 4.2.2 改进的基于区域生长的直线段提取方法 | 第67-71页 |
| 4.3 K-means聚类提取候选目标区域 | 第71-72页 |
| 4.3.1 K-means聚类算法介绍 | 第71-72页 |
| 4.3.2 改进的K-means聚类 | 第72页 |
| 4.4 基于几何基元的人造目标判定 | 第72-73页 |
| 4.5 实验结果与对比分析 | 第73-78页 |
| 4.5.1 算法的实现 | 第73-75页 |
| 4.5.2 直线段检测对比 | 第75-76页 |
| 4.5.3 人造目标检测 | 第76-78页 |
| 4.6 本章小结 | 第78-80页 |
| 第5章 人造目标检测系统的硬件架构设计 | 第80-104页 |
| 5.1 引言 | 第80-81页 |
| 5.2 硬件平台介绍 | 第81-82页 |
| 5.2.1 系统硬件结构 | 第81页 |
| 5.2.2 XC5VSX95T FPGA简介 | 第81-82页 |
| 5.3 人造目标检测算法的硬件架构设计 | 第82-101页 |
| 5.3.1 算法结构设计流程 | 第82-83页 |
| 5.3.2 硬件架构设计 | 第83-90页 |
| 5.3.3 图像模块功能仿真 | 第90-101页 |
| 5.4 实验结果与分析 | 第101-102页 |
| 5.5 本章小结 | 第102-104页 |
| 第6章 结论与展望 | 第104-108页 |
| 6.1 论文工作总结 | 第104-105页 |
| 6.2 论文创新点说明 | 第105-106页 |
| 6.3 研究展望 | 第106-108页 |
| 参考文献 | 第108-122页 |
| 在学期间学术成果情况 | 第122-124页 |
| 指导教师及作者简介 | 第124-126页 |
| 致谢 | 第126-127页 |
