摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.1.1 PCNN技术背景
1.1.2 遥感技术的应用
1.1.3 问题的提出
1.2 PCNN模型及遥感图像战略目标自动识别的发展现状
1.3 目标识别概述
1.3.1 目标识别的一般策略
1.3.2 目标识别的关键技术
1.3.3 目标识别的一般过程
1.4 本文的主要工作
1.5 本文的主要贡献及创新点
第二章 PCNN模型的基本原理及其在图像处理中的应用
2.1 PCNN基本模型
2.2 PCNN运行机制
2.2.1 PCNN的工作过程
2.2.2 PCNN的运行行为
2.3 PCNN的特性分析
2.4 对PCNN模型的常见改进
2.5 PCNN模型在图像处理中的应用
第三章 双级并行点火PCNN新模型
3.1 问题的提出
3.2 双级并行点火PCNN模型基本原理
3.2.1 系统结构
3.2.2 预处理
3.2.3 基于并行点火PCNN模型的图像分割
3.3 基于DLPFPCNN模型图像分割实验
第四章 基于DLPFPCNN的遥感图像水上桥梁目标识别
4.1 背景
4.2 水上桥梁目标的先验知识
4.3 桥梁识别算法及流程
4.4 基于简化PCNN模型的图像预处理
4.4.1 简化PCNN模型结构
4.4.2 基于简化PCNN模型和中值滤波法的噪声滤波器
4.5 基于DLPFPCNN新模型的水域分割
4.5.1 DLPFPCNN模型结构
4.5.2 DLPFPCNN应用于水域分割
4.5.3 最小类内方差准则判定最佳分割结果
4.6 水域分割后续处理(形态学运算及聚类)
4.6.1 算法流程
4.6.2 数学形态学介绍
4.6.3 形态腐蚀运算
4.6.4 聚类
4.6.5 形态膨胀运算
4.7 桥梁轮廓粗检测
4.7.1 粗检测流程
4.7.2 去除形状不规则的伪目标
4.7.3 轮廓跟踪
4.7.4 直线段检测
4.7.5 基于梯度信息的桥梁边缘粗检测
4.8 基于先验知识的桥梁识别
4.8.1 识别流程
4.8.2 连续直线点统计
4.8.3 直线拟合
4.8.4 桥梁边缘配对
4.8.5 桥梁区域填充并计算桥梁形心坐标
4.8.6 识别结果与分析
第五章 基于DLPFPCNN的遥感图像港口目标识别
5.1 背景
5.2 港口目标的特征和先验知识
5.2.1 港口图像的特征
5.2.2 港口目标的先验知识
5.3 港口目标识别算法
5.3.1 基于改进PCNN模型的预处理
5.3.2 基于DLPFPCNN的水域分割
5.3.3 防波堤轮廓粗检测
5.3.4 基于先验知识的港口识别
第六章 总结与展望
6.1 本文工作总结
6.2 研究工作展望
致谢
参考文献
作者攻硕期间取得的成果
电子科技大学;