水下图像分割和典型目标特征提取及识别技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 注释表 | 第16-17页 |
| 1 绪论 | 第17-29页 |
| 1.1 研究背景及意义 | 第17-18页 |
| 1.2 相关理论方法的研究现状 | 第18-27页 |
| 1.2.1 水下视觉技术研究现状 | 第18-21页 |
| 1.2.2 水平集图像分割方法研究现状 | 第21-25页 |
| 1.2.3 支持向量机分类器研究现状 | 第25-27页 |
| 1.3 论文的组织结构 | 第27-29页 |
| 2 水下视觉系统组成及图像预处理技术研究 | 第29-46页 |
| 2.1 视觉系统整体架构及成像特点分析 | 第29-32页 |
| 2.1.1 水下视觉系统的整体框架 | 第29-30页 |
| 2.1.2 水的光学特性 | 第30页 |
| 2.1.3 水下图像光学成像模型 | 第30-32页 |
| 2.1.4 水下图像的成像特点 | 第32页 |
| 2.2 水下图像增强 | 第32-36页 |
| 2.2.1 图像灰度变换 | 第32-33页 |
| 2.2.2 直方图处理 | 第33-34页 |
| 2.2.3 仿真结果分析 | 第34-36页 |
| 2.3 水下图像去噪 | 第36-45页 |
| 2.3.1 图像质量评价 | 第37-38页 |
| 2.3.2 传统图像去噪算法 | 第38-39页 |
| 2.3.3 基于稀疏表示与字典学习图像去噪 | 第39-42页 |
| 2.3.4 仿真结果分析 | 第42-45页 |
| 2.4 本章小结 | 第45-46页 |
| 3 基于水平集理论的图像分割方法研究 | 第46-73页 |
| 3.1 水平集方法 | 第46-48页 |
| 3.1.1 水平集方法的表达 | 第46-47页 |
| 3.1.2 水平集的初始化和重新初始化 | 第47-48页 |
| 3.2 经典水平集图像分割算法 | 第48-50页 |
| 3.2.1 CV模型 | 第48-49页 |
| 3.2.2 RSF模型 | 第49-50页 |
| 3.2.3 LGIF模型 | 第50页 |
| 3.3 指定目标水平集分割算法 | 第50-55页 |
| 3.3.1 能量泛函模型建立 | 第51-52页 |
| 3.3.2 梯度下降法解目标函数 | 第52页 |
| 3.3.3 仿真结果与分析 | 第52-55页 |
| 3.4 利用局部信息的水平集算法分割噪声图像 | 第55-64页 |
| 3.4.1 两相模型的建立 | 第55-56页 |
| 3.4.2 四相模型的建立 | 第56-58页 |
| 3.4.3 模型求解实现 | 第58-59页 |
| 3.4.4 仿真结果分析 | 第59-64页 |
| 3.5 利用混合信息的水平集分割光照不均图像 | 第64-71页 |
| 3.5.1 LIF模型 | 第65-66页 |
| 3.5.2 两相模型的建立 | 第66-67页 |
| 3.5.3 模型功能的实现 | 第67页 |
| 3.5.4 仿真结果分析 | 第67-71页 |
| 3.6 本章小结 | 第71-73页 |
| 4 水下典型目标特征提取技术研究 | 第73-88页 |
| 4.1 基于形状特征的水下目标特征提取 | 第73-76页 |
| 4.1.1 几何矩 | 第74页 |
| 4.1.2 归一化转动向量 | 第74-75页 |
| 4.1.3 Hu不变矩 | 第75-76页 |
| 4.1.4 仿射不变矩 | 第76页 |
| 4.2 基于主成分分析的水下典型目标特征提取 | 第76-80页 |
| 4.2.1 特征选择的预处理 | 第76-77页 |
| 4.2.2 主成分分析PCA | 第77-78页 |
| 4.2.3 独立成分分析ICA | 第78-80页 |
| 4.3 典型目标特征提取仿真验证 | 第80-86页 |
| 4.4 本章小结 | 第86-88页 |
| 5 基于支持向量机的目标识别技术研究 | 第88-109页 |
| 5.1 支持向量机 | 第88-92页 |
| 5.1.1 线性支持向量机SVM | 第88-91页 |
| 5.1.2 非线性支持向量机SVM | 第91-92页 |
| 5.2 基于双子投影支持向量机分类器设计 | 第92-100页 |
| 5.2.1 双子支持向量机分类器TWSVM | 第92-94页 |
| 5.2.2 NHSVM方法 | 第94页 |
| 5.2.3 规则化双子投影支持向量机RPTSVM | 第94-96页 |
| 5.2.4 改进的双子投影支持向量机IPTSVM | 第96-100页 |
| 5.3 仿真结果与分析 | 第100-108页 |
| 5.3.1 模拟情况 | 第101-103页 |
| 5.3.2 UCI数据库 | 第103-106页 |
| 5.3.3 DNC数据库 | 第106-107页 |
| 5.3.4 水下典型特征目标分类 | 第107-108页 |
| 5.4 本章小结 | 第108-109页 |
| 6 水下典型目标特征识别系统实验研究 | 第109-125页 |
| 6.1 视觉系统组成 | 第109-115页 |
| 6.1.1 硬件实现 | 第109-110页 |
| 6.1.2 软件实现 | 第110-115页 |
| 6.2 实验内容与结果分析 | 第115-124页 |
| 6.2.1 水下目标图像及预处理实验 | 第116-118页 |
| 6.2.2 水下目标图像分割实验 | 第118-122页 |
| 6.2.3 水下四类目标识别实验 | 第122-124页 |
| 6.3 本章小结 | 第124-125页 |
| 7 总结 | 第125-128页 |
| 7.1 论文总结 | 第125-126页 |
| 7.2 研究展望 | 第126-128页 |
| 致谢 | 第128-129页 |
| 参考文献 | 第129-142页 |
| 附录 | 第142-143页 |
