目录 | 第1-9页 |
图表目录 | 第9-11页 |
摘要 | 第11-12页 |
ABSTRACT | 第12-14页 |
第一章 绪论 | 第14-28页 |
§1.1 论文来源 | 第14-17页 |
·课题任务与论文研究的内容 | 第14-16页 |
·数据源的特点 | 第16页 |
·主要理论依据 | 第16-17页 |
·模糊理论 | 第16-17页 |
·图论 | 第17页 |
§1.2 国内外相关研究的现状 | 第17-22页 |
§1.3 论文的主要工作与创新点 | 第22-27页 |
·论文的研究重点与创新点 | 第22-25页 |
·研究的基本思路 | 第25-27页 |
§1.4 论文章节之间的关系 | 第27-28页 |
第二章 可见光光谱特征分析与斑点的快速提取 | 第28-63页 |
§2.1 引言 | 第28-29页 |
§2.2 遥感彩色可见光光谱特征分析 | 第29-40页 |
·基于光照物理模型的彩色(色谱)不变关系 | 第29-34页 |
·光照物理模型 | 第30-31页 |
·当照射光线颜色单一,照射强度不均时的不变关系 | 第31-33页 |
·当照射光线颜色单一,且物体比较粗糙情况下的不变关系 | 第33-34页 |
·光谱能量模型与彩色不变量的实际求解 | 第34-38页 |
·设备相关光谱模型 | 第34-35页 |
·光谱高斯导数模型与不变量的实际求解 | 第35-37页 |
·以往设备不相关彩色不变量 | 第37-38页 |
·彩色边界与Gabor细节度算子。 | 第38-39页 |
·纹理及纹理规则度特征 | 第39-40页 |
§2.3 提取斑点 | 第40-53页 |
·特征模糊集 | 第40-42页 |
·基于最大隶属度法的象素分类 | 第42页 |
·使用快速类数自适应模糊C均值算法进行分类 | 第42-49页 |
·模糊C均值FCM算法回顾 | 第42-44页 |
·特征量化 | 第44-45页 |
·自适应确定类数 | 第45-48页 |
·提高收敛速度 | 第48-49页 |
·提取斑点的方法 | 第49-53页 |
·处理策略与区域识别方法 | 第49-50页 |
·金字塔结构与Gabor算子的实施 | 第50-52页 |
·灰值形态滤波降噪 | 第52-53页 |
§2.4 实验结果 | 第53-62页 |
·实验目的 | 第53页 |
·数据来源 | 第53页 |
·实验结果 | 第53-60页 |
·实验结果分析与结论 | 第60-62页 |
·实验结果分析 | 第60-62页 |
·结论 | 第62页 |
§2.5 小结 | 第62-63页 |
第三章 基于属性关系图模型的系统数据框架研究 | 第63-83页 |
§3.1 引言 | 第63-65页 |
§3.2 ARG与“图” | 第65-69页 |
·ARG模型的定义 | 第65-66页 |
·数据源对系统数据框架的需求 | 第66-67页 |
·mAR~mG与“图” | 第67-69页 |
·线图与标定函数 | 第67页 |
·路、树与多元关系 | 第67页 |
·收缩图、块图与图的等级化 | 第67-69页 |
·图与mAR~mG的关系 | 第69页 |
§3.3 AR~mG | 第69-76页 |
·定义 | 第69-72页 |
·关于AR~mG的进一步说明 | 第72-74页 |
·AR~mG中的几何结构模式 | 第74-76页 |
·AR~mG的特征描述 | 第76页 |
§3.4 子图退化与AR~mG的多级化 | 第76-78页 |
·AR~mG子图退化 | 第76-77页 |
·多级化的AR~mG:mAR~mG | 第77-78页 |
·标定函数l(v),l(e)在构建mAR~mG中的作用 | 第78页 |
§3.5 mAR~mG模型的模糊化:mA(?)~mG | 第78-81页 |
·模糊化R~m的方法 | 第79-80页 |
·完全模糊化 | 第79-80页 |
·分级模糊化 | 第80页 |
·整体模糊化 | 第80页 |
·模糊几何结构模式 | 第80页 |
·基于mA(?)~mG模型的模糊推理系统 | 第80-81页 |
§3.6 小结 | 第81-83页 |
第四章 目标阵列群整体空间分布结构特性研究 | 第83-122页 |
§4.1 引言 | 第83-85页 |
§4.2 斑点几何特征 | 第85-90页 |
·基本几何特征 | 第85-89页 |
·面积与周长 | 第85页 |
·圆形规则度 | 第85-86页 |
·不变矩 | 第86-88页 |
·傅氏算子 | 第88-89页 |
·节点几何特征的模糊化与斑点的空间分类 | 第89-90页 |
§4.3 基于距离关系的目标整体空间分布结构研究 | 第90-96页 |
·节点二元距离关系 | 第90-91页 |
·目标阵列的简单空间分布规律:等间距分布关系 | 第91-92页 |
·基于矩不变量的斑点集整体空间分布结构分析 | 第92-96页 |
·点集矩 | 第92-95页 |
·重心距离方差 | 第95-96页 |
·多元完全关系 | 第96页 |
§4.4 一类特殊二元关系:模糊拓扑关系 | 第96-112页 |
·模糊拓扑关系求解方法概述 | 第96-97页 |
·模糊方位关系求解比较研究 | 第97-105页 |
·聚合法 | 第97-99页 |
·角直方图相容法 | 第99-100页 |
·“力”直方图法 | 第100-102页 |
·模糊拓扑环境法 | 第102-105页 |
·算法适合用性比较 | 第105页 |
·模糊拓扑环境的快速求解 | 第105-109页 |
·增值传播算法 | 第106页 |
·本文对该方法的改进 | 第106-107页 |
·算法复杂度 | 第107-108页 |
·模糊拓扑关系的属性 | 第108-109页 |
·特殊拓扑关系的求解 | 第109-112页 |
·远近 | 第109-111页 |
·包含与分离 | 第111页 |
·环绕 | 第111-112页 |
·使用模糊拓扑关系充实mA(?)~mG模型特征 | 第112页 |
§4.5 仿真实验结果 | 第112-121页 |
·仿真实验的目的 | 第112-113页 |
·数据来源 | 第113页 |
·整体空间分布关系的判定 | 第113-115页 |
·模糊空间方位求解 | 第115-119页 |
·实验结果分析与结论 | 第119-121页 |
·整体空间分布关系 | 第119-120页 |
·模糊空间方位 | 第120-121页 |
·结论 | 第121页 |
§4.6 小结 | 第121-122页 |
第五章 基于约束支撑树求解的目标阵列群复杂空间分布结构特性研究 | 第122-152页 |
§5.1 引言 | 第122-123页 |
§5.2 目标阵列多元复杂空间分布结构 | 第123-125页 |
·几何结构模糊模式集(?) | 第124-125页 |
·高元路径关系 | 第125页 |
·多元路径关系的应用 | 第125页 |
§5.3 基于T模与S模的模糊信息融合技术 | 第125-129页 |
·模糊推理规则 | 第126-128页 |
·模糊规则的确定方法 | 第128-129页 |
§5.4 基于模糊信息融合与支撑树求解的目标群复杂空间分布结构研究 | 第129-141页 |
·概述 | 第129-130页 |
·阵列群复杂空间分布规律 | 第130-131页 |
·AR~mG中基于路径描述的规则空间分布结构评估方法 | 第131-133页 |
·路径评估 | 第131-132页 |
·基于支撑树评估的阵列目标识别问题 | 第132-133页 |
·Prim最小支撑树算法回顾 | 第133页 |
·路径空间关系约束支撑求解算法(MSR算法) | 第133-141页 |
·基于模糊信息融合的空间关系最规则MSR路径约束支撑树算法 | 第133-137页 |
·使用MSR支撑树识别目标阵列群 | 第137-138页 |
·算法复杂度分析 | 第138页 |
·算法抗噪声分析 | 第138-140页 |
·融合参数分析 | 第140-141页 |
§5.5 MSR算法实验结果 | 第141-150页 |
·仿真实验目的 | 第141页 |
·数据来源 | 第141页 |
·实验结果 | 第141-148页 |
·实验结果分析与结论 | 第148-150页 |
·实验结果分析 | 第148-149页 |
·结论 | 第149-150页 |
§5.6 基于mA(?)~mG模型的智能化识别技术探讨 | 第150-151页 |
·使用神经网络学习MSR算法中的模糊规则 | 第150-151页 |
·运动目标群的识别 | 第151页 |
§5.7 小结 | 第151-152页 |
第六章 结束语 | 第152-156页 |
致谢 | 第156-158页 |
作者在攻读博士学位期间发表的论文 | 第158-159页 |
附录A 高斯隶属函数的模糊Shannon熵积分 | 第159-162页 |
附录B 模糊拓扑方位关系特征的代数与几何属性 | 第162-164页 |
参考文献 | 第164-181页 |