基于高分辨率卫星影像的车辆检测算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·遥感技术的发展 | 第11-12页 |
| ·遥感技术在交通领域应用的研究意义 | 第12-13页 |
| ·国内外研究方法综述 | 第13-15页 |
| ·本文的研究思路及内容 | 第15-16页 |
| 第2章 QuickBird卫星图像 | 第16-21页 |
| ·快鸟卫星介绍 | 第16-17页 |
| ·快鸟卫星图片 | 第17-21页 |
| 第3章 图像增强理论 | 第21-30页 |
| ·图像增强处理分类 | 第21-22页 |
| ·空域增强法 | 第22页 |
| ·基于空间域的直接灰度变换 | 第22-26页 |
| ·线性灰度变换 | 第22-24页 |
| ·分段线性灰度变换 | 第24-26页 |
| ·非线性灰度变换 | 第26页 |
| ·基于灰度直方图变换 | 第26-30页 |
| ·灰度直方图 | 第26-27页 |
| ·直方图均衡化 | 第27-29页 |
| ·直方图规定化 | 第29-30页 |
| 第4章 QuickBird卫星图像特征提取 | 第30-35页 |
| ·图像的特征提取 | 第30页 |
| ·纹理分析方法 | 第30-35页 |
| ·纹理 | 第30-31页 |
| ·纹理分析方法 | 第31-32页 |
| ·基于灰度共生矩阵的纹理分析方法 | 第32-35页 |
| 第5章 Quickbird图像的神经网络识别技术 | 第35-46页 |
| ·遥感图像自动识别分类 | 第35页 |
| ·遥感图像监督分类方法 | 第35-36页 |
| ·遥感图像非监督分类方法 | 第36页 |
| ·人工神经网络识别技术 | 第36-39页 |
| ·人工神经网络模型 | 第36-37页 |
| ·人工神经网络的特点 | 第37-38页 |
| ·神经网络用于遥感图像分类 | 第38-39页 |
| ·RBF神经网络 | 第39-44页 |
| ·概率神经网络 | 第44-46页 |
| 第6章 车辆识别系统的实现 | 第46-63页 |
| ·开发工具的选择 | 第46-49页 |
| ·QuickBird图像分类识别系统模型 | 第49页 |
| ·QuickBird图像的神经网络识别 | 第49-50页 |
| ·神经网络设计 | 第49-50页 |
| ·网络仿真识别函数 | 第50页 |
| ·论文实验过程 | 第50-59页 |
| ·图像预处理 | 第50-53页 |
| ·提取灰度特征值的识别效果 | 第53页 |
| ·QuickBird图像特征值的提取 | 第53-55页 |
| ·提取灰度和纹理特征值的识别效果 | 第55页 |
| ·图像增强后提取灰度特征值的识别效果 | 第55-58页 |
| ·图像增强后提取灰度和纹理特征值的识别效果 | 第58-59页 |
| ·精度分析 | 第59-61页 |
| ·关于阈值分割算法的设想 | 第61-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间公开发表的论文 | 第67-68页 |
| 致谢 | 第68-69页 |
| 研究生履历 | 第69页 |
