首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于支持向量机的X射线源天文图像点源识别方法研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第12-13页
缩略语对照表第13-17页
第一章 绪论第17-27页
    1.1 X射线源天文图像点源识别的背景及意义第17-18页
    1.2 X射线源空间观测的国内外现状及进展第18-21页
    1.3 X射线源点源识别技术的国内外现状及研究进展第21-24页
        1.3.1 X射线源天文图像的特点第21-22页
        1.3.2 国内外点源识别技术的现状及研究进展第22-24页
    1.4 研究内容及结构安排第24-27页
第二章 Chandra卫星X射线源天文图像提取与数据处理第27-51页
    2.1 Chandra卫星科学观测仪器第27-33页
    2.2 CIAO处理流程分析第33-50页
        2.2.1 Chandra卫星观测事例数据格式第33-40页
        2.2.2 X射线源天文图像的提取第40-42页
        2.2.3 参考点源列表的建立第42-45页
        2.2.4 点源与背景的能谱信息提取第45-46页
        2.2.5 观测事例的原始数据提取第46-50页
    2.3 本章总结第50-51页
第三章 X射线源天文图像的处理与点源提取第51-79页
    3.1 X射线源天文图像预处理方法第51-60页
        3.1.1 X射线源天文图像灰度特征第51-52页
        3.1.2 X射线源天文图像滤波方法第52-56页
        3.1.3 X射线源天文图像的阈值分割第56-60页
    3.2 X射线源天文图像潜在点源质心提取第60-65页
        3.2.1 基于峰值的质心提取第60-61页
        3.2.2 基于连通域的质心提取第61-63页
        3.2.3 灰度交叉投影法第63-65页
    3.3 基于形态学对扩散性点源的处理第65-71页
        3.3.1 形态学中的开闭运算第66-69页
        3.3.2 对扩散性点源的处理方法第69-71页
    3.4 实验分析第71-78页
        3.4.1 无扩散性点源观测事例实验第72-75页
        3.4.2 扩散性点源观测事例实验第75-77页
        3.4.3 实验与结果讨论第77-78页
    3.5 本章总结第78-79页
第四章 X射线源天文图像对点源的识别第79-99页
    4.1 特征值的选取第79-83页
        4.1.1 图像空间域上的特征值第79-81页
        4.1.2 能谱中的特征值第81-83页
    4.2 基于PCA对样本特征值进行降维第83-85页
    4.3 基于支持向量机对潜在点源的识别第85-93页
        4.3.1 支持向量机分类原理第85-90页
        4.3.2 数据的不平衡第90-91页
        4.3.3 对样本类型进行重新标定第91-93页
    4.4 实验与结果讨论第93-97页
    4.5 本章总结第97-99页
第五章 总结与展望第99-101页
    5.1 论文工作总结第99页
    5.2 论文主要创新点第99-100页
    5.3 未来工作展望第100-101页
参考文献第101-107页
致谢第107-109页
作者简介第109-110页

论文共110页,点击 下载论文
上一篇:可视化病虫害信息采集与处理系统的开发与研究
下一篇:基于LBSN的轨迹数据挖掘算法研究