摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第15-24页 |
1.1 研究背景 | 第15-17页 |
1.2 国内外溢油检测研究的进展 | 第17-21页 |
1.2.1 SAR卫星技术的发展 | 第17-20页 |
1.2.2 国内外溢油检测研究进展 | 第20-21页 |
1.3 本文主要研究内容和结构安排 | 第21-24页 |
第2章 溢油检测的关键技术及框架 | 第24-37页 |
2.1 合成孔径雷达简介 | 第24-27页 |
2.1.1 SAR基础 | 第24-26页 |
2.1.2 SAR成像特征 | 第26-27页 |
2.2 基于SAR成像的溢油检测处理关键技术 | 第27-34页 |
2.2.1 溢油检测原理 | 第27-28页 |
2.2.2 溢油检测处理流程 | 第28-29页 |
2.2.3 暗斑区域提取 | 第29-30页 |
2.2.4 特征提取 | 第30-31页 |
2.2.5 图像分类判断溢油区域 | 第31-33页 |
2.2.6 溢油检测研究系统的评估问题 | 第33-34页 |
2.3 一种层次化的溢油区域提取方法 | 第34-36页 |
2.4 本章小结 | 第36-37页 |
第3章 结合分水岭算法和改进CV算法的图像分割方法 | 第37-54页 |
3.1 引言 | 第37-38页 |
3.2 SAR图像滤波 | 第38-40页 |
3.2.1 常用滤波方法 | 第38页 |
3.2.2 滤波结果及分析 | 第38-40页 |
3.3 SAR图像分割 | 第40-43页 |
3.3.1 SAR图像分割定义 | 第40-41页 |
3.3.2 SAR图像分割经典算法 | 第41-43页 |
3.4 基于局部的CV模型SAR图像分割算法 | 第43-53页 |
3.4.1 主动轮廓模型 | 第43-44页 |
3.4.2 水平集方法 | 第44-45页 |
3.4.3 分水岭算法简介 | 第45-46页 |
3.4.4 CV模型 | 第46-48页 |
3.4.5 改进CV算法 | 第48-49页 |
3.4.6 算法流程 | 第49-50页 |
3.4.7 实验结果与分析 | 第50-53页 |
3.5 本章小结 | 第53-54页 |
第4章 基于视觉词袋模型的疑似溢油提取 | 第54-86页 |
4.1 引言 | 第54-56页 |
4.2 视觉词袋模型 | 第56-72页 |
4.2.1 提取兴趣区域 | 第56-57页 |
4.2.2 SAR溢油低层特征分析 | 第57-66页 |
4.2.3 特征提取以及结果分析 | 第66-71页 |
4.2.4 构建视觉词典 | 第71-72页 |
4.3 分类器设计 | 第72-81页 |
4.3.1 支持向量机SVM | 第74-75页 |
4.3.2 核函数 | 第75-80页 |
4.3.3 基于多核学习的溢油区域判别 | 第80-81页 |
4.4 实验验证 | 第81-85页 |
4.4.1 实验设置 | 第81-82页 |
4.4.2 支持向量机惩罚参数C对检测性能影响 | 第82-83页 |
4.4.3 实验仿真结果 | 第83-85页 |
4.5 本章小结 | 第85-86页 |
第5章 基于上下文思想构建马尔科夫场的溢油识别方法 | 第86-116页 |
5.1 引言 | 第86-89页 |
5.1.1 传统的图像分割 | 第87-88页 |
5.1.2 上下文分割与虚警剔除 | 第88-89页 |
5.1.3 如何运用上下文模型 | 第89页 |
5.2 图像分割中的马尔科夫随机场 | 第89-103页 |
5.2.1 邻域系统与子团 | 第90-92页 |
5.2.2 马尔科夫随机场数学模型 | 第92-103页 |
5.3 ICM(条件迭代模型)MRF SAR图像溢油检测 | 第103-115页 |
5.3.1 高斯粘合模型在马尔科夫随机场中的应用 | 第106-107页 |
5.3.2 势函数参数与初始标号场 | 第107-115页 |
5.4 本章小结 | 第115-116页 |
第6章 总结与展望 | 第116-120页 |
6.1 本文研究工作总结 | 第116-118页 |
6.2 进一步工作展望 | 第118-120页 |
参考文献 | 第120-129页 |
攻读学位期间发表论文与研究成果清单 | 第129-130页 |
致谢 | 第130-131页 |
作者简历 | 第131页 |