| 第1章 绪论 | 第1-15页 |
| ·引言 | 第9-10页 |
| ·多源图像融合的目标识别发展状况 | 第10-11页 |
| ·国外发展状况 | 第10-11页 |
| ·国内发展概况 | 第11页 |
| ·今后发展趋势 | 第11页 |
| ·多源图像融合的目标识别 | 第11-13页 |
| ·本文内容组织 | 第13-15页 |
| 第2章 多源图像融合处理 | 第15-29页 |
| ·多源图像融合概述 | 第15-17页 |
| ·基于PCA低通融合规则的小波融合算法 | 第17-21页 |
| ·低频图像融合规则分析 | 第17-18页 |
| ·基于PCA低通融合规则的小波融合算法 | 第18-20页 |
| ·实验与结果分析 | 第20-21页 |
| ·可见光和红外图像融合的信息增强方法 | 第21-24页 |
| ·基于高频系数区域“能量”的小波融合规则 | 第21-22页 |
| ·可见光和红外图像融合的信息增强方法 | 第22-23页 |
| ·实验与结果分析 | 第23-24页 |
| ·多波段红外图像的场景目标图像增强方法 | 第24-26页 |
| ·基于高频系数局部对比度的小波融合分析 | 第24-25页 |
| ·多波段红外图像融合处理方法 | 第25页 |
| ·实验与结果分析 | 第25-26页 |
| ·基于图像梯度特征的可见光多聚焦图像融合方法 | 第26-28页 |
| ·基于高频系数“梯度”的小波融合方法 | 第26页 |
| ·基于图像梯度特征的多图像融合方法 | 第26-27页 |
| ·实验与结果分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 图像的不变矩特征提取与选择 | 第29-43页 |
| ·基于图像目标灰度分布的区域矩 | 第29-33页 |
| ·Hu不变矩函数式 | 第30页 |
| ·对比度不变矩的构造 | 第30-31页 |
| ·导出的矩不变量 | 第31-32页 |
| ·图像椭圆的形状特征 | 第32-33页 |
| ·基于目标形状的边界矩 | 第33页 |
| ·特征的评价与选择 | 第33-35页 |
| ·特征的可分性判据 | 第34页 |
| ·特征的选择方法 | 第34-35页 |
| ·区域矩的特征提取与选择实验分析 | 第35-40页 |
| ·飞机二值图像的特征提取与选择分析 | 第35-37页 |
| ·含噪飞机图像的特征提取与选择分析 | 第37-39页 |
| ·总结 | 第39-40页 |
| ·边界矩的特征提取与选择实验分析 | 第40-42页 |
| ·飞机边缘图的特征提取与选择分析 | 第40-41页 |
| ·总结 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 非监督的多特征聚类 | 第43-62页 |
| ·基于目标函数的模糊聚类 | 第43-55页 |
| ·模糊C-均值聚类算法(FCM) | 第43-45页 |
| ·目标函数及算法步骤 | 第43-44页 |
| ·关于参数b的讨论 | 第44-45页 |
| ·改进的模糊C-均值聚类算法(MFCM) | 第45-47页 |
| ·MFCM算法构成 | 第45-46页 |
| ·MFCM算法分析 | 第46-47页 |
| ·模糊协方差聚类算法(FCC) | 第47-48页 |
| ·基于改进的模糊c-均值的分级递减聚类算法(HSC) | 第48-55页 |
| ·MFCM算法回顾 | 第48-50页 |
| ·HSC算法构成 | 第50-52页 |
| ·计算复杂度分析 | 第52-53页 |
| ·仿真实验 | 第53-54页 |
| ·结论 | 第54-55页 |
| ·基于神经网络的模糊聚类 | 第55-61页 |
| ·竞争学习型神经网络 | 第55-56页 |
| ·基于模糊协方差的自适应聚类神经网络(FCACNN) | 第56-61页 |
| ·模糊协方差距离测度 | 第56-57页 |
| ·确定类别数 | 第57-58页 |
| ·新的聚类网络构建 | 第58-59页 |
| ·仿真实验 | 第59-61页 |
| ·结论 | 第61页 |
| ·本章小结 | 第61-62页 |
| 第5章 图像目标识别 | 第62-73页 |
| ·分类识别决策判据 | 第62-65页 |
| ·多元正态概率型下的最小错误率贝叶斯判据 | 第62-63页 |
| ·最小距离分类器 | 第63-64页 |
| ·最大隶属度原则分类器 | 第64页 |
| ·k-近邻分类器 | 第64-65页 |
| ·可识别图像目标特征库的建立 | 第65-66页 |
| ·基于自组织特征映射网络(SOM)的特征库建立方法 | 第65页 |
| ·基于环形区域的特征库建立方法 | 第65-66页 |
| ·图像识别拒绝决策判据 | 第66-70页 |
| ·最小马氏距离分类器的警戒阈值 | 第66-67页 |
| ·最大隶属度原则分类器的警戒阈值 | 第67-69页 |
| ·k-近邻分类器的警戒阈值 | 第69-70页 |
| ·仿真实验 | 第70-72页 |
| ·最小距离分类器 | 第70-71页 |
| ·最大隶属度原则分类器 | 第71页 |
| ·k近邻分类器 | 第71-72页 |
| ·结论 | 第72页 |
| ·本章小结 | 第72-73页 |
| 第6章 总结 | 第73-75页 |
| 附录A △r对二元正态分布函数概率密度F_n(△r)的影响 | 第75-77页 |
| 附录B 函数G(d~2)的性质 | 第77-78页 |
| 附录C 均匀分布的均方差 | 第78-79页 |
| 参考文献 | 第79-81页 |
| 作者在读期间科研成果简介 | 第81-82页 |
| 致谢 | 第82-83页 |
| 独创性声明 | 第83页 |
| 学位论文版权使用授权书 | 第83页 |
