基于统计学方法的水面目标特征提取与识别方法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题研究背景及意义 | 第11页 |
| ·图像模式识别概述 | 第11-13页 |
| ·图像模式识别的方法 | 第13-15页 |
| ·统计模式识别方法 | 第13-14页 |
| ·结构模式识别方法 | 第14-15页 |
| ·模糊模式识别方法 | 第15页 |
| ·神经网络识别方法 | 第15页 |
| ·图像模式识别的应用 | 第15-16页 |
| ·国内外研究现状 | 第16-17页 |
| ·主要内容及论文结构安排 | 第17-19页 |
| 第2章 水面目标识别的前期处理 | 第19-31页 |
| ·图像去噪 | 第19-22页 |
| ·脉冲噪声 | 第20页 |
| ·中值滤波 | 第20-22页 |
| ·图像分割 | 第22-30页 |
| ·图像分割概述 | 第22-23页 |
| ·基于边缘检测的图像分割 | 第23-25页 |
| ·阈值分割法 | 第25-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 图像特征提取 | 第31-41页 |
| ·图像特征提取概述 | 第31页 |
| ·利用不变矩理论提取目标区域特征 | 第31-34页 |
| ·矩 | 第31-32页 |
| ·不变矩理论 | 第32-33页 |
| ·实验及数据分析 | 第33-34页 |
| ·利用主分量分析(PCA)提取目标区域特征 | 第34-37页 |
| ·K-L变换原理 | 第34-35页 |
| ·主分量分析的解释 | 第35-36页 |
| ·图像的主分量表示 | 第36页 |
| ·主分量分析的步骤 | 第36-37页 |
| ·通过Hadamard变换(HT)提取局部特征 | 第37-40页 |
| ·Hadamard变换 | 第38页 |
| ·二维Hadamard变换提取局部特征 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 统计分类 | 第41-47页 |
| ·分类器概述 | 第41-42页 |
| ·基于模板匹配的方法 | 第42页 |
| ·基于规则的方法 | 第42页 |
| ·人工神经网络分类 | 第42页 |
| ·基于统计学方法的分类 | 第42-46页 |
| ·高斯模型分类器 | 第43-44页 |
| ·高斯混合模型分类器 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 实验与结果分析 | 第47-61页 |
| ·实验条件设置 | 第47-49页 |
| ·数据集和相关实验规程 | 第47-48页 |
| ·性能评测指标 | 第48-49页 |
| ·特征和分类器的组合 | 第49页 |
| ·图像和特征预处理 | 第49-50页 |
| ·实验过程及结果分析 | 第50-59页 |
| ·噪声、超出观测范围、角度变换以及遮挡条件下实验 | 第50-56页 |
| ·平面外旋转实验 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
