| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15页 |
| 1.2 图像异物检测与定位国内外研究现状 | 第15-17页 |
| 1.3 论文主要工作 | 第17-18页 |
| 1.4 论文内容安排 | 第18-21页 |
| 第二章 毫米波人体图像异物检测与定位方法 | 第21-41页 |
| 2.1 深度卷积生成对抗网络 | 第21-31页 |
| 2.1.1 卷积神经网络 | 第21-25页 |
| 2.1.2 生成对抗网络 | 第25-27页 |
| 2.1.3 深度卷积生成对抗网络 | 第27-31页 |
| 2.2 基于生成对抗网络的图像补全 | 第31-33页 |
| 2.2.1 图像补全的概念和方法 | 第31页 |
| 2.2.2 基于生成对抗网络的图像补全 | 第31-33页 |
| 2.3 SAR图像变化检测 | 第33-36页 |
| 2.3.1 合成孔径雷达以及SAR图像简介 | 第33页 |
| 2.3.2 SAR图像变化检测技术原理 | 第33-36页 |
| 2.4 图像相似度检测方法 | 第36-38页 |
| 2.4.1 图像相似度的应用 | 第36页 |
| 2.4.2 图像相似度的原理 | 第36-38页 |
| 2.5 Faster RCNN目标检测与定位方法 | 第38-39页 |
| 2.6 本章小结 | 第39-41页 |
| 第三章 基于DCGAN图像补全的异物检测与定位方法 | 第41-67页 |
| 3.1 基于TensorFlow的 DCGAN网络训练 | 第41-55页 |
| 3.1.1 数据准备与预处理 | 第41-44页 |
| 3.1.2 DCGAN网络结构与训练参数设置 | 第44-53页 |
| 3.1.3 毫米波DCGAN网络生成图像举例 | 第53-55页 |
| 3.2 基于DCGAN网络的补全 | 第55-62页 |
| 3.2.1 穷举法 | 第56页 |
| 3.2.2 补全结果第一次去噪处理 | 第56-60页 |
| 3.2.3 补全结果第二次去噪处理 | 第60-62页 |
| 3.3 应用SAR图像变化检测实现毫米波人体图像异物检测与定位 | 第62-64页 |
| 3.3.1 应用SAR图像变化检测得到差异图像 | 第62页 |
| 3.3.2 IOU、滑动窗以及区域检测 | 第62-63页 |
| 3.3.3 检测率和虚警率的计算 | 第63-64页 |
| 3.4 应用图像相似度实现异物检测与定位 | 第64-65页 |
| 3.4.1 IOU、滑动窗以及区域检测 | 第64-65页 |
| 3.4.2 检测率和虚警率的计算 | 第65页 |
| 3.5 本章小结 | 第65-67页 |
| 第四章 基于测试集的统计结果分析 | 第67-83页 |
| 4.1 测试集准备 | 第67-69页 |
| 4.2 测试集补全结果 | 第69-73页 |
| 4.3 检测与定位以及统计结果分析 | 第73-80页 |
| 4.4 与Faster RCNN的检测与定位结果比较 | 第80-82页 |
| 4.5 本章小结 | 第82-83页 |
| 第五章 总结与展望 | 第83-85页 |
| 参考文献 | 第85-87页 |
| 致谢 | 第87-89页 |
| 作者简介 | 第89-90页 |
