论文目录 | |
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第1章 绪论 | 第13-29页 |
| 1.1 引言 | 第13-14页 |
| 1.2 海底底质的声学分类研究进展 | 第14-21页 |
| 1.2.1 海底底质声学分类技术简介 | 第14-16页 |
| 1.2.2 海底表层底质声学探测设备与分类软件系统 | 第16-19页 |
| 1.2.3 海底底质类型的划分方法 | 第19-21页 |
| 1.3 国内外多波束测深声呐海底底质分类技术研究进展 | 第21-26页 |
| 1.3.1 基于多波束测深声呐的反向散射强度估计与成像技术 | 第22-23页 |
| 1.3.2 多波束海底反向散射数据统计特性研究 | 第23-24页 |
| 1.3.3 基于多波束反向散射数据的特征提取方法研究 | 第24-25页 |
| 1.3.4 基于多波束测深声呐的分类器应用技术研究 | 第25-26页 |
| 1.4 论文主要内容结构 | 第26-29页 |
| 第2章 多波束测深声呐海底反向散射成像技术研究 | 第29-59页 |
| 2.1 引言 | 第29页 |
| 2.2 多波束测深声呐海底反向散射成像方法 | 第29-35页 |
| 2.2.1 波束—强度法 | 第29-31页 |
| 2.2.2 伪侧扫法 | 第31-32页 |
| 2.2.3 snippet法 | 第32-35页 |
| 2.2.4 成像方法的选择 | 第35页 |
| 2.3 基于多波束相干算法的海底成像方法 | 第35-44页 |
| 2.3.1 多波束相干算法原理 | 第35-36页 |
| 2.3.2 噪声环境下的多波束相位差序列估计 | 第36-40页 |
| 2.3.3 海底检测点的回波强度估计 | 第40-41页 |
| 2.3.4 海底检测点的空间位置归算 | 第41-44页 |
| 2.3.5 性能分析 | 第44页 |
| 2.4 反向散射强度的估计 | 第44-47页 |
| 2.4.1 传播损失 | 第44-45页 |
| 2.4.2 有效声照射面积 | 第45-46页 |
| 2.4.3 海底局部斜坡修正 | 第46-47页 |
| 2.5 海底反向散射强度的角度关系确定与剔除 | 第47-49页 |
| 2.5.1 模型预测法 | 第47-48页 |
| 2.5.2 经验修正法 | 第48-49页 |
| 2.6 试验数据处理 | 第49-58页 |
| 2.7 本章小结 | 第58-59页 |
| 第3章 多波束海底反向散射数据统计特性研究 | 第59-81页 |
| 3.1 引言 | 第59页 |
| 3.2 多波束反向散射数据的统计起伏现象 | 第59-61页 |
| 3.3 海底反向散射信号幅度的K分布模型 | 第61-62页 |
| 3.4 反向散射强度数据的统计分布特性 | 第62-66页 |
| 3.4.1 概率密度分布 | 第62-64页 |
| 3.4.2 参数估计 | 第64-65页 |
| 3.4.3 反向散射强度概率分布的高斯近似局限性 | 第65-66页 |
| 3.5 仿真分析 | 第66-68页 |
| 3.6 试验数据处理与分析 | 第68-79页 |
| 3.6.1 试验数据说明 | 第68-70页 |
| 3.6.2 反向散射强度数据的概率分布检验 | 第70-76页 |
| 3.6.3 模型参数的特性分析 | 第76-79页 |
| 3.7 本章小结 | 第79-81页 |
| 第4章 多源信息特征提取及其分类特性的试验分析 | 第81-99页 |
| 4.1 引言 | 第81页 |
| 4.2 基于数据概率分布特性的特征提取 | 第81-82页 |
| 4.3 基于灰度共生矩阵的纹理特征提取 | 第82-84页 |
| 4.3.1 灰度共生矩阵 | 第82-83页 |
| 4.3.2 灰度共生矩阵的特征参数 | 第83-84页 |
| 4.4 基于功率谱比的Pace特征 | 第84-86页 |
| 4.5 海底图像特征分类性能试验分析 | 第86-95页 |
| 4.5.1 图像样本窗大小对分类结果的影响 | 第86-87页 |
| 4.5.2 特征量的分类性能分析 | 第87-95页 |
| 4.6 基于角度响应曲线的特征提取与分类性能分析 | 第95-98页 |
| 4.6.1 反向散射强度数据的角度响应曲线与特征提取 | 第95-96页 |
| 4.6.2 分类特征的仿真分析 | 第96-97页 |
| 4.6.3 分类特征的试验数据处理与分析 | 第97-98页 |
| 4.7 本章小结 | 第98-99页 |
| 第5章 多源特征合成核SVM的多波束底质分类研究 | 第99-113页 |
| 5.1 引言 | 第99页 |
| 5.2 SVM分类原理 | 第99-101页 |
| 5.2.1 线性SVM分类 | 第99-100页 |
| 5.2.2 非线性SVM分类 | 第100-101页 |
| 5.3 基于合成核SVM的分类方法 | 第101-104页 |
| 5.3.1 合成核函数的构造 | 第101-102页 |
| 5.3.2 特征向量的分组 | 第102-103页 |
| 5.3.3 分类器参数的搜索方法 | 第103-104页 |
| 5.3.4 分类正确率评价 | 第104页 |
| 5.4 试验数据处理与分析 | 第104-111页 |
| 5.4.1 合成核SVM分类正确率与单核SVM的比较 | 第104-110页 |
| 5.4.2 典型区域整体分类效果图 | 第110-111页 |
| 5.5 本章小结 | 第111-113页 |
| 结论 | 第113-117页 |
| 参考文献 | 第117-129页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第129-131页 |
| 致谢 | 第131页 |
