| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-24页 |
| ·研究背景 | 第11-12页 |
| ·气象卫星的发展应用及卫星云图介绍 | 第12-14页 |
| ·气象卫星概述 | 第12页 |
| ·卫星云图介绍 | 第12-13页 |
| ·红外云图与可见光云图的区别 | 第13-14页 |
| ·相关领域的研究及其发展现状 | 第14-23页 |
| ·卫星云图研究的发展现状 | 第14-16页 |
| ·数据融合技术研究的发展现状 | 第16-19页 |
| ·图像分割技术研究的发展现状 | 第19-21页 |
| ·模式识别技术研究的发展现状 | 第21-23页 |
| ·论文主要研究内容及组织结构 | 第23-24页 |
| 第2章 红外云图与可见光云图的图像融合方法 | 第24-43页 |
| ·无下采样 Contourlet 变换的基本原理 | 第24-27页 |
| ·无下采样金字塔 | 第25-26页 |
| ·无下采样方向滤波器组 | 第26-27页 |
| ·脉冲耦合神经网络模型 | 第27-31页 |
| ·PCNN 概述及其神经元模型结构 | 第27-29页 |
| ·简化 PCNN 模型结构 | 第29-30页 |
| ·自适应 PCNN | 第30-31页 |
| ·基于自适应 PCNN 与 NSCT 的图像融合算法 | 第31-35页 |
| ·直方图匹配 | 第32-33页 |
| ·低频子带系数选择 | 第33页 |
| ·PCNN 神经元输入 | 第33-34页 |
| ·融合步骤 | 第34-35页 |
| ·实验结果分析与评价 | 第35-42页 |
| ·融合性能评价指标 | 第35-36页 |
| ·数据来源 | 第36-37页 |
| ·图像融合实验 | 第37-40页 |
| ·实验结果分析与评价 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 融合卫星云图中台风主体云系自动分割方法 | 第43-69页 |
| ·理论背景 | 第43-48页 |
| ·曲线演化理论 | 第43-44页 |
| ·水平集方法 | 第44-46页 |
| ·水平集方法的数值实现 | 第46-48页 |
| ·传统水平集活动轮廓模型 | 第48-54页 |
| ·几何活动轮廓模型 | 第48-49页 |
| ·测地活动轮廓模型 | 第49-52页 |
| ·CV 模型 | 第52-54页 |
| ·基于 MGAR 模型的水平集方法 | 第54-62页 |
| ·MGAR 模型的设计 | 第55-56页 |
| ·MGAR 模型的实现 | 第56-58页 |
| ·实验结果与讨论 | 第58-62页 |
| ·基于 MGAR 模型的台风云系分割 | 第62-68页 |
| ·台风云系识别 | 第62-64页 |
| ·台风云系分割 | 第64-66页 |
| ·实验结果 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第4章 融合卫星云图的纹理及特征提取 | 第69-91页 |
| ·卫星云图的云状类型及其纹理特征 | 第69-70页 |
| ·纹理特征分析方法 | 第70-75页 |
| ·基于邻域自相关函数的纹理特征 | 第70-71页 |
| ·基于统计几何特征的纹理特征 | 第71-73页 |
| ·基于灰度共生矩阵的纹理特征 | 第73-75页 |
| ·融合卫星云图的纹理特征检测与分析实验 | 第75-90页 |
| ·基于邻域自相关函数的纹理特征检测与分析 | 第75-80页 |
| ·基于统计几何特征的纹理分析与特征提取 | 第80-83页 |
| ·基于灰度共生矩阵的纹理特征检测与分析 | 第83-90页 |
| ·本章小结 | 第90-91页 |
| 第5章 基于自学习支持向量机的云类识别 | 第91-108页 |
| ·支持向量机分类原理 | 第91-96页 |
| ·线性可分情况 | 第92-94页 |
| ·线性不可分情况 | 第94-95页 |
| ·非线性可分情况 | 第95-96页 |
| ·基于自学习支持向量机的多分类方法 | 第96-102页 |
| ·自学习支持向量机 | 第96-99页 |
| ·基于 ODT 的多分类支持向量机 | 第99-101页 |
| ·基于自学习支持向量机的多分类算法流程 | 第101-102页 |
| ·云分类实验结果与分析 | 第102-107页 |
| ·融合卫星云图样本集与样本数据的处理 | 第102-103页 |
| ·实验结果 | 第103-107页 |
| ·本章小结 | 第107-108页 |
| 结论 | 第108-110页 |
| 参考文献 | 第110-124页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第124-125页 |
| 致谢 | 第125页 |