| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 中英文缩略词对照表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-16页 |
| 第二章 图像特征提取与表示 | 第16-26页 |
| 2.1 图像特征提取 | 第16-17页 |
| 2.1.1 图像特征提取的过程与目的 | 第16页 |
| 2.1.2 图像特征提取的分类 | 第16-17页 |
| 2.2 轮廓局部奇异值 | 第17-19页 |
| 2.2.1 奇异值分解 | 第17页 |
| 2.2.2 轮廓局部奇异值 | 第17-19页 |
| 2.3 SIFT特征提取与表示 | 第19-25页 |
| 2.3.1 SIFT特征提取 | 第19-22页 |
| 2.3.2 基于BoW模型的SIFT特征表示 | 第22-25页 |
| 2.3.3 基于BoW模型的物体描述 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 多特征融合 | 第26-36页 |
| 3.1 极限学习机 | 第26-29页 |
| 3.1.1 单隐层前馈神经网络 | 第26-28页 |
| 3.1.2 极限学习机算法 | 第28-29页 |
| 3.2 DSmT建模 | 第29-34页 |
| 3.2.1 DSmT理论 | 第30-33页 |
| 3.2.2 DSmT建模 | 第33-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第四章 序列信息融合 | 第36-50页 |
| 4.1 隐马尔科夫模型 | 第36-45页 |
| 4.1.1 HMM基础理论 | 第36-38页 |
| 4.1.2 HMM模型中的基本问题和相关算法 | 第38-45页 |
| 4.2 飞机HMM建模 | 第45-47页 |
| 4.2.1 飞机飞行过程分析 | 第45-46页 |
| 4.2.2 飞机目标的全姿态HMM建模 | 第46-47页 |
| 4.3 基于HMM的序列信息融合 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 基于ELM与HMM的序列飞机目标识别算法 | 第50-56页 |
| 5.1 算法训练环节 | 第51-54页 |
| 5.2 算法识别环节 | 第54页 |
| 5.3 本章小结 | 第54-56页 |
| 第六章 仿真实验与结果分析 | 第56-64页 |
| 6.1 算法实现平台 | 第56页 |
| 6.1.1 软件平台 | 第56页 |
| 6.1.2 功能模块 | 第56页 |
| 6.2 仿真实验及结果分析 | 第56-62页 |
| 6.2.1 实验一: 正确识别率及实时性 | 第57-58页 |
| 6.2.2 实验二: SLFNs隐节点实验 | 第58-59页 |
| 6.2.3 实验三: 单特征实验初识别结果对比 | 第59页 |
| 6.2.4 实验四: 序列信息对正确识别率的影响 | 第59-60页 |
| 6.2.5 实验五: 与其他序列飞机目标识别算法的比较 | 第60-61页 |
| 6.2.6 实验六: 图像遮挡实验 | 第61-62页 |
| 6.2.7 实验七: 比例缩放实验 | 第62页 |
| 6.3 本章小结 | 第62-64页 |
| 第七章 总结与展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士期间的研究成果 | 第72页 |