声明
致谢
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 本文研究内容和结构
1.4 本章小结
2 声呐数据成像原理
2.1 数据预处理
2.1.1 数据格式转换
2.1.2 正交解调
2.1.3 匹配滤波
2.1.4 降采样
2.2 波束形成技术
2.3 改进最近邻坐标转换算法
2.3.1 最近邻算法
2.3.2 改进最近邻算法
2.4 本章小结
3 声呐图像去噪
3.1 声呐图像去噪理论发展
3.1.1 声呐图像的噪声模型
3.1.2 自适应K-SVD算法
3.1.3 向导滤波原理
3.2 基于残差图像的自适应K-SVD声呐图像去噪算法
3.3 实验结果与分析
3.3.1 模拟图像去噪实验结果与分析
3.3.2 声呐图像去噪实验结果与分析
3.3.3 客观评价结果与分析
3.4 本章小结
4 基于声呐图像的小目标检测
4.1 常用声呐图像目标检测算法
4.2 积分图原理
4.3 基于积分图的自适应阈值声呐图像小目标检测
4.3.1 算法实现步骤
4.3.2 背景估计
4.3.3 前景估计
4.3.4 阈值确定方法
4.3.5 伪目标去除
4.3.6 实验结果与分析
4.4 基于对比度的声呐图像小目标检测
4.4.1 算法实现步骤
4.4.2 前景和背景亮度值计算
4.4.3 对比度阈值化处理
4.4.4 伪目标去除
4.4.5 实验结果与分析
4.5 本章小结
5 结论
5.1 总结
5.2 展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;