基于机器视觉的VTS系统船舶识别算法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究的背景与意义 | 第10-11页 |
| ·VTS系统的发展与现状 | 第11-13页 |
| ·雷达系统 | 第11-12页 |
| ·VHF通信系统 | 第12页 |
| ·AIS船舶自动识别系统 | 第12页 |
| ·GPS定位系统 | 第12-13页 |
| ·机器视觉 | 第13-16页 |
| ·机器视觉综述 | 第13-14页 |
| ·机器视觉在船舶识别中的优势 | 第14-16页 |
| ·本文的主要研究内容 | 第16-17页 |
| 第2章 船舶图像的预处理和区域分割 | 第17-29页 |
| ·彩色图像转换灰度图像 | 第17-19页 |
| ·图像增强 | 第19-24页 |
| ·图像增强 | 第19-20页 |
| ·滤波 | 第20-24页 |
| ·船舶区域的定位 | 第24-28页 |
| ·去除背景 | 第24-25页 |
| ·二值化 | 第25-27页 |
| ·船舶区域的精确定位 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 船舶的特征提取 | 第29-46页 |
| ·图像特征提取技术 | 第29-40页 |
| ·数学形态学 | 第29-34页 |
| ·灰度形态学 | 第34-35页 |
| ·边缘检测 | 第35-40页 |
| ·船舶特征提取的算法 | 第40-45页 |
| ·图像特征提取 | 第40-42页 |
| ·船舶的特征提取 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 船舶的识别 | 第46-59页 |
| ·模板匹配和模式识别技术 | 第46-49页 |
| ·模板匹配技术 | 第46-47页 |
| ·模式识别技术 | 第47-49页 |
| ·神经网络 | 第49-51页 |
| ·神经网络综述 | 第49页 |
| ·神经网络 | 第49-50页 |
| ·BP神经网络 | 第50-51页 |
| ·船舶识别的BP神经网络模型设计 | 第51-53页 |
| ·确定模型的网络层数 | 第51-52页 |
| ·确定各层神经元节点数 | 第52-53页 |
| ·基于模板匹配和BP神经网络的船舶识别 | 第53-58页 |
| ·区域填充 | 第53-54页 |
| ·船舶模型库 | 第54-56页 |
| ·基于模板匹配和BP神经网络的船舶识别 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 船舶识别算法的实验与分析 | 第59-64页 |
| ·编程工具与实验环境 | 第59-60页 |
| ·船舶识别算法的实验 | 第60-64页 |
| ·模板匹配 | 第60页 |
| ·神经网络 | 第60-62页 |
| ·实验结果与分析 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
