成像制导中的图像预处理及目标识别技术研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-23页 |
| ·选题背景及意义 | 第10-11页 |
| ·目标识别过程 | 第11-13页 |
| ·目标识别技术存在的困难和研究现状 | 第13-19页 |
| ·图像预处理技术研究现状 | 第14-16页 |
| ·特征提取技术研究现状 | 第16-18页 |
| ·分类识别技术研究现状 | 第18-19页 |
| ·本文的主要工作与结构安排 | 第19-23页 |
| ·本文的主要工作 | 第19-21页 |
| ·论文的章节安排 | 第21-23页 |
| 第二章 红外图像的预处理算法研究 | 第23-53页 |
| ·引言 | 第23页 |
| ·噪声分析 | 第23-25页 |
| ·各向异性分段高斯滤波 | 第25-33页 |
| ·有效邻域的分段滤波 | 第25-27页 |
| ·滤波方向 | 第27页 |
| ·滤波尺度 | 第27-32页 |
| ·仿真结果与分析 | 第32-33页 |
| ·分段矩滤波 | 第33-44页 |
| ·边缘模型 | 第33-34页 |
| ·单阶梯模型下的分段矩滤波 | 第34-37页 |
| ·双阶梯模型下的分段滤波 | 第37-40页 |
| ·边缘模型的选择 | 第40-41页 |
| ·仿真结果与分析 | 第41-44页 |
| ·基于背景拟合的图像分割研究 | 第44-52页 |
| ·背景曲面拟合模型 | 第45-46页 |
| ·曲面拟合参数的确定 | 第46-47页 |
| ·噪声均方差的估计与偏移量的设定 | 第47-48页 |
| ·实验与分析 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第三章 二维目标图像识别算法研究 | 第53-76页 |
| ·引言 | 第53-54页 |
| ·常用不变量的稳定性 | 第54-56页 |
| ·极坐标投影矩 | 第56-66页 |
| ·极坐标投影矩的定义 | 第56-58页 |
| ·不变函数的选择 | 第58-59页 |
| ·极坐标投影矩的不变性 | 第59-62页 |
| ·仿真与分析 | 第62-66页 |
| ·仿射投影矩 | 第66-75页 |
| ·仿射变换 | 第66-67页 |
| ·仿射投影矩的定义 | 第67-69页 |
| ·仿射投影矩的不变性 | 第69-72页 |
| ·仿真与分析 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第四章 三维目标图像特征提取研究 | 第76-98页 |
| ·引言 | 第76-77页 |
| ·单视点的三维目标成像模型 | 第77页 |
| ·K-L傅立叶矩 | 第77-89页 |
| ·正交矩的定义 | 第79-80页 |
| ·K-L变换的展开式及其误差 | 第80-82页 |
| ·K-L傅立叶矩的定义及不变性 | 第82-84页 |
| ·多类样本的K-L变换特征提取 | 第84-86页 |
| ·K-L变换的分类效果分析 | 第86-89页 |
| ·余弦傅立叶矩 | 第89-97页 |
| ·离散余弦变换 | 第89-90页 |
| ·余弦变换对K-L变换的近似 | 第90-91页 |
| ·余弦傅立叶矩的定义及其不变性 | 第91-93页 |
| ·仿真实验及结果分析 | 第93-97页 |
| ·本章小结 | 第97-98页 |
| 第五章 基于支持向量机的三维目标识别 | 第98-117页 |
| ·引言 | 第98页 |
| ·支持向量机的理论基础 | 第98-102页 |
| ·统计学习的基本理论 | 第98-100页 |
| ·支持向量机理论基础 | 第100-102页 |
| ·支持向量机的选择 | 第102-105页 |
| ·多类别支持向量机 | 第105-108页 |
| ·常用的多分类方法 | 第105-107页 |
| ·线性可分概率 | 第107-108页 |
| ·最小随机风险多分类法 | 第108-110页 |
| ·仿真与分析 | 第110-116页 |
| ·本章小结 | 第116-117页 |
| 第六章 结束语 | 第117-119页 |
| 参考文献 | 第119-126页 |
| 致谢 | 第126-127页 |
| 博士期间发表的论文和获得的奖励 | 第127-128页 |
