周扫式光电预警实时图像处理系统的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-13页 |
| 第1章 绪论 | 第13-25页 |
| ·研究背景和意义 | 第13-15页 |
| ·国内外无源预警系统的发展现状和发展趋势 | 第15-21页 |
| ·国内外无源预警系统的发展历史 | 第15-17页 |
| ·国内外无源光学预警系统的关键技术发展 | 第17-19页 |
| ·国内外无源预警系统的发展趋势 | 第19-21页 |
| ·论文的主要工作 | 第21-22页 |
| ·论文的章节安排 | 第22-25页 |
| 第2章 光电预警系统分析与设计 | 第25-43页 |
| ·引言 | 第25页 |
| ·成像系统选择 | 第25-33页 |
| ·成像子系统 | 第26-32页 |
| ·控制系统 | 第32-33页 |
| ·目标成像与处理分析 | 第33-39页 |
| ·目标成像分析 | 第33-35页 |
| ·图像子帧和图像子块 | 第35-36页 |
| ·图像处理分析 | 第36-39页 |
| ·技术指标及分析 | 第39-41页 |
| ·小结 | 第41-43页 |
| 第3章 基于粗糙集和神经网络的分类算法 | 第43-73页 |
| ·引言 | 第43页 |
| ·经典识别算法概述 | 第43-47页 |
| ·粗糙集理论研究与应用 | 第47-53页 |
| ·粗糙集的基本概念 | 第47-50页 |
| ·集合粗糙度 | 第50-52页 |
| ·规则隶属度 | 第52-53页 |
| ·基于粗糙集决策规则的模糊神经网络 | 第53-57页 |
| ·基于蚁群算法的连续属性离散化 | 第57-64页 |
| ·蚁群算法原理 | 第58-59页 |
| ·蚁群运动规则 | 第59-60页 |
| ·蚁群算法分析 | 第60-61页 |
| ·属性离散化分析与研究 | 第61-64页 |
| ·目标识别算法离线训练 | 第64-72页 |
| ·特征选择 | 第64-67页 |
| ·网络训练 | 第67-68页 |
| ·实验结果及分析 | 第68-72页 |
| ·小结 | 第72-73页 |
| 第4章 实时图像处理系统设计 | 第73-119页 |
| ·引言 | 第73页 |
| ·C6000系列DSP简介 | 第73-78页 |
| ·EMIF | 第75页 |
| ·EDMA接口 | 第75-76页 |
| ·PCI接口 | 第76-78页 |
| ·实时图像处理系统硬件设计 | 第78-85页 |
| ·多处理器选择 | 第78-80页 |
| ·多处理器信息交互 | 第80-82页 |
| ·系统硬件设计 | 第82-84页 |
| ·DSP程序引导 | 第84-85页 |
| ·系统软件设计与分析 | 第85-116页 |
| ·软件工具及实现方法 | 第85-90页 |
| ·显示分系统软件设计 | 第90-97页 |
| ·处理分系统软件设计 | 第97-114页 |
| ·主控机软件设计 | 第114-116页 |
| ·系统工作流程 | 第116-117页 |
| ·小结 | 第117-119页 |
| 第5章 实验结果及分析 | 第119-129页 |
| ·引言 | 第119页 |
| ·显示分系统实验与分析 | 第119-121页 |
| ·PCI设计实验结果及分析 | 第119-120页 |
| ·显示实验结果 | 第120-121页 |
| ·处理分系统实验与分析 | 第121-125页 |
| ·图像预处理实验与分析 | 第121-123页 |
| ·目标识别实验与分析 | 第123-125页 |
| ·系统性能分析 | 第125-128页 |
| ·系统性能指标 | 第125-126页 |
| ·实时性测试 | 第126-127页 |
| ·可靠性测试 | 第127-128页 |
| ·小结 | 第128-129页 |
| 第6章 总结与展望 | 第129-133页 |
| ·总结 | 第129-131页 |
| ·展望 | 第131-133页 |
| 参考文献 | 第133-141页 |
| 在学期间学术成果情况 | 第141-143页 |
| 指导教师及作者简介 | 第143-145页 |
| 致谢 | 第145页 |
