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

基于深度学习和图像补全的毫米波人体图像异物检测与定位

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

论文共90页,点击 下载论文
上一篇:自闭症儿童交际障碍诊断与矫治系统设计和应用
下一篇:基于EtherCAT总线的多轴伺服控制系统的研究与实现