|
|
|
高分辨SAR图像目标区域提取方法研究 |
|
论文目录 |
|
摘要 | 第5-6页 | ABSTRACT | 第6-7页 | 符号对照表 | 第10-11页 | 缩略语对照表 | 第11-14页 | 第一章 绪论 | 第14-20页 | 1.1 研究背景及意义 | 第14-15页 | 1.2 SAR图像目标检测和鉴别方法研究进展 | 第15-17页 | 1.2.1 SAR图像目标检测研究进展 | 第15-16页 | 1.2.2 SAR图像目标鉴别研究进展 | 第16-17页 | 1.3 论文的主要工作和安排 | 第17-20页 | 第二章 传统的SAR图像目标检测和鉴别方法 | 第20-32页 | 2.1 引言 | 第20页 | 2.2 传统的SAR图像目标检测方法 | 第20-24页 | 2.2.1 双参数CFAR检测算法 | 第20-22页 | 2.2.2 IC-CFAR | 第22-23页 | 2.2.3 传统的目标像素聚类算法 | 第23-24页 | 2.3 传统的SAR图像目标鉴别方法 | 第24-30页 | 2.3.1 常用的鉴别特征 | 第24-26页 | 2.3.2 特征选择 | 第26-27页 | 2.3.4 鉴别器设计 | 第27-30页 | 2.4 传统SAR图像目标检测和鉴别方法的不足 | 第30-31页 | 2.5 本章小结 | 第31-32页 | 第三章 基于区域生成的双参数CFAR舰船目标检测方法 | 第32-48页 | 3.1 引言 | 第32-33页 | 3.2 基于梯度特征的区域生成方法 | 第33-38页 | 3.2.1 算法流程 | 第34-35页 | 3.2.2 算法详细描述 | 第35-38页 | 3.3 基于区域的CFAR检测器 | 第38-39页 | 3.4 基于区域生成的双参数CFAR检测方法 | 第39-40页 | 3.5 实验结果 | 第40-46页 | 3.5.1 实验数据介绍 | 第40-42页 | 3.5.2 检测结果 | 第42-46页 | 3.6 本章总结 | 第46-48页 | 第四章 基于弱监督学习的SAR图像车辆目标鉴别方法 | 第48-66页 | 4.1 引言 | 第48页 | 4.2 中层特征生成技术 | 第48-52页 | 4.2.1 底层特征提取 | 第49-52页 | 4.2.2 基于SIFT的中层特征生成 | 第52页 | 4.3 基于弱监督学习的SAR车辆目标鉴别方法 | 第52-56页 | 4.3.1 目标训练集初始化 | 第53-55页 | 4.3.2 分类器的迭代训练 | 第55-56页 | 4.4 实验结果 | 第56-64页 | 4.4.1 基于SIFT的中层特征鉴别性能分析 | 第58-61页 | 4.4.2 比例参数t对提出方法的影响 | 第61-63页 | 4.4.3 提出方法的鉴别结果 | 第63-64页 | 4.5 本章小结 | 第64-66页 | 第五章 结束语 | 第66-68页 | 5.1 本文工作总结 | 第66-67页 | 5.2 工作展望 | 第67-68页 | 参考文献 | 第68-72页 | 致谢 | 第72-74页 | 作者简介 | 第74-75页 |
|
|
|
|
论文编号BS3163128,这篇论文共75页 会员购买按0.35元/页下载,共需支付26.25元。 直接购买按0.5元/页下载,共需要支付37.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|