多源图像的分割与识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景和研究意义 | 第13-14页 |
| 1.2 研究现状和方法介绍 | 第14-18页 |
| 1.2.1 图像分割 | 第15-16页 |
| 1.2.2 聚类融合 | 第16-17页 |
| 1.2.3 目标的检测与识别 | 第17-18页 |
| 1.3 本文研究内容及相关创新 | 第18-19页 |
| 1.4 本文结构组织 | 第19-20页 |
| 第二章 超像素的生成及特征表达 | 第20-33页 |
| 2.1 超像素在图像处理中的意义 | 第20-21页 |
| 2.2 超像素的生成方法 | 第21-27页 |
| 2.2.1 基于阈值的图像分割 | 第21-23页 |
| 2.2.2 基于图论的图像分割 | 第23-24页 |
| 2.2.3 基于纹理的图像分割 | 第24-25页 |
| 2.2.4 基于聚类的图像分割 | 第25-27页 |
| 2.3 超像素的特征表达 | 第27-32页 |
| 2.3.1 颜色信息特征 | 第27-28页 |
| 2.3.2 形态学特征 | 第28-29页 |
| 2.3.3 不变矩特征 | 第29-31页 |
| 2.3.4 标定特征 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于聚类融合的图像分割算法研究 | 第33-45页 |
| 3.1 聚类融合方法概述 | 第33-36页 |
| 3.1.1 CSPA聚类融合 | 第34-35页 |
| 3.1.2 HGPA聚类融合 | 第35页 |
| 3.1.3 MCLA聚类融合 | 第35-36页 |
| 3.1.4 算法分析 | 第36页 |
| 3.2 基于LDAPPA的图像分割算法 | 第36-40页 |
| 3.2.1 图像过分割 | 第37-38页 |
| 3.2.2 超像素的多重标定 | 第38页 |
| 3.2.3 LDAPPA聚类融合 | 第38-40页 |
| 3.3 实验结果及分析 | 第40-44页 |
| 3.3.1 实验结果 | 第40-43页 |
| 3.3.2 算法效率分析 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于语义信息的红外图像目标识别 | 第45-75页 |
| 4.1 红外图像目标识别 | 第45-51页 |
| 4.1.1 光流法 | 第45-46页 |
| 4.1.2 帧差法 | 第46-47页 |
| 4.1.3 背景建模 | 第47-48页 |
| 4.1.4 特征点匹配 | 第48-51页 |
| 4.2 红外航拍图像中的飞机的检测与识别 | 第51-60页 |
| 4.2.1 特定场景分析 | 第51-52页 |
| 4.2.2 Hough变换检测跑道 | 第52-55页 |
| 4.2.3 剪影提取 | 第55-56页 |
| 4.2.4 Radon变换与姿态矫正 | 第56-59页 |
| 4.2.5 目标识别 | 第59-60页 |
| 4.3 红外航拍图像中的舰船目标检测与识别 | 第60-68页 |
| 4.3.1 特定场景分析 | 第61-62页 |
| 4.3.2 港.环境中的前景提取 | 第62-64页 |
| 4.3.3 海洋环境中的前景提取 | 第64-67页 |
| 4.3.4 基于剪影的几何特征筛选 | 第67-68页 |
| 4.4 实验结果及分析 | 第68-74页 |
| 4.4.1 红外图像中飞机的检测与识别结果及分析 | 第68-70页 |
| 4.4.2 红外图像中舰船的检测与识别结果及分析 | 第70-71页 |
| 4.4.3 软件平台 | 第71-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 全文总结 | 第75-76页 |
| 5.2 研究展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间已发表或录用的论文 | 第83页 |
