| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 水下目标检测与识别系统分析 | 第11页 |
| 1.2.2 声纳图像分割技术 | 第11-13页 |
| 1.2.3 水下特征提取技术 | 第13页 |
| 1.2.4 水下目标检测技术 | 第13-14页 |
| 1.3 论文的主要研究内容和结构安排 | 第14-16页 |
| 第2章 声纳图像的预处理 | 第16-28页 |
| 2.1 声纳图像数据分析 | 第16-18页 |
| 2.1.1 声纳的探测工作原理 | 第16-17页 |
| 2.1.2 声纳图像的特点 | 第17-18页 |
| 2.2 水下声纳图像去噪概述 | 第18页 |
| 2.3 声纳图像的空间域去噪 | 第18-21页 |
| 2.3.1 常见的空间域图像去噪方法 | 第18-20页 |
| 2.3.2 实验结果与分析 | 第20-21页 |
| 2.4 声纳图像的频率域去噪 | 第21-26页 |
| 2.4.1 小波变换理论 | 第22-24页 |
| 2.4.2 基于小波变换的声纳图像去噪 | 第24-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 水下声纳图像的分割技术 | 第28-46页 |
| 3.1 基于阈值的声纳图像分割 | 第28-31页 |
| 3.1.1 直方图方法 | 第28-29页 |
| 3.1.2 最大类间方差法 | 第29-30页 |
| 3.1.3 最大熵法 | 第30-31页 |
| 3.2 基于聚类的声纳图像分割 | 第31-35页 |
| 3.2.1 K均值聚类 | 第31-33页 |
| 3.2.2 FCM聚类 | 第33-34页 |
| 3.2.3 聚类实验与分析 | 第34-35页 |
| 3.3 基于MRF的非监督声纳图像分割方法 | 第35-45页 |
| 3.3.1 声纳图像的直方图分析 | 第36-38页 |
| 3.3.2 图像分割中的Markov随机场模型及算法 | 第38-40页 |
| 3.3.3 非监督的声纳图像分割模型 | 第40-42页 |
| 3.3.4 实验结果与分析 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 声纳图像的特征提取与分析 | 第46-62页 |
| 4.1 常用的声纳图像特征 | 第46-57页 |
| 4.1.1 纹理特征 | 第47-52页 |
| 4.1.2 形状特征 | 第52-57页 |
| 4.2 基于类Haar特征的声纳图像特征提取 | 第57-59页 |
| 4.2.1 Haar特征及类Haar特征 | 第57-58页 |
| 4.2.2 特征提取实验 | 第58-59页 |
| 4.3 声纳图像的特征提取方法分析 | 第59-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第5章 水下声纳图像的目标检测技术 | 第62-76页 |
| 5.1 水下目标检测技术 | 第62-63页 |
| 5.2 基于聚类分析的侧扫声纳目标检测 | 第63-66页 |
| 5.2.1 Klein5000侧扫声纳图像数据分析 | 第63页 |
| 5.2.2 侧扫声纳目标检测流程图 | 第63-64页 |
| 5.2.3 实验结果与分析 | 第64-66页 |
| 5.3 基于类Haar特征的目标检测技术 | 第66-68页 |
| 5.3.1 声纳图像目标分析 | 第66-67页 |
| 5.3.2 流程图与实验结果 | 第67-68页 |
| 5.4 卡尔曼预测相关联的目标检测技术 | 第68-74页 |
| 5.4.1 数据分析 | 第68-69页 |
| 5.4.2 卡尔曼预测原理 | 第69-70页 |
| 5.4.3 前视声纳目标检测流程图 | 第70-72页 |
| 5.4.4 实验结果及分析 | 第72-74页 |
| 5.5 本章小结 | 第74-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-86页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第86-88页 |
| 致谢 | 第88页 |