文摘
英文文摘
声明
第一章绪论
1.1本文研究内容的背景
1.2国内外研究现状
1.3本文选题的研究意义
1.4本文所做的主要工作及结构安排
第二章统计学习理论与支持向量机方法
2.1机器学习的基本问题
2.1.1问题描述
2.1.2经验风险最小化(Empirical Pisk Minmization Inductive)
2.2统计学习理论(STATISTICAL LEARNING THEORY)
2.2.1 VC维(vAPNIK-Chervonenkis Dimension)
2.2.2泛化性的界
2.2.3结构风险最小化原则(Structural Risk Minimization Inductive Principle)
2.3支持向量机(SUPPORT VECTOR MACHINE)方法
2.3.1支持向量机分类
2.3.2支持向量机回归
2.3.3核函数
2.3.4支持向量机的实现方法
2.4本章小结
第三章遥感图像的边缘检测
3.1图像的边缘定义
3.2传统的边缘检测方法
3.2.1梯度算子
3.2.2高斯-拉普拉斯(Laplacian of Gaussian)边缘算子
3.2.3 Canny算子
3.3基于支持向量机的边缘检测方法
3.3.1图像的SVR表示
3.3.2 SVR的边缘检测
3.4本章小结
第四章基于支持向量机的机场跑道检测方法
4.1机场跑道模型
4.2跑道边缘直线提取
4.2.1Hough变换原理
4.2.2基于改进的Hough变换的直线提取
4.2.3改进的Hough变换检测直线算法的效率分析
4.3基于SVM的跑道检测
4.3.1特征向量的构建
4.3.2核函数的选择
4.3.3核参数的优化
4.3.4惩罚系数研究
4.3.5仿真实验
4.4本章小结
第五章总结与展望
5.1本文工作的总结
5.2存在的问题及对未来研究的展望
参考文献
攻读硕士学位期间取得的研究成果
致谢