| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 图表清单 | 第9-10页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| ·课题的研究背景和意义 | 第12-13页 |
| ·课题的国内外研究概况 | 第13-17页 |
| ·红外图像增强 | 第13-14页 |
| ·红外图像分割 | 第14-15页 |
| ·红外图像融合 | 第15-16页 |
| ·红外弱小目标检测 | 第16-17页 |
| ·本文的主要内容及创新点 | 第17-20页 |
| ·本文的主要内容 | 第17-18页 |
| ·本文的主要创新点 | 第18-20页 |
| 第二章 基于 Contourlet 变换和混沌 PSO 的红外图像增强 | 第20-26页 |
| ·引言 | 第20页 |
| ·基于 Contourlet 变换的红外图像增强 | 第20-22页 |
| ·Contourlet 变换 | 第20-21页 |
| ·低频子带增强 | 第21页 |
| ·高频子带增强 | 第21-22页 |
| ·Contourlet 域子带变换参数选择的混沌 PSO 优化算法 | 第22-23页 |
| ·基本 PSO 算法 | 第22页 |
| ·子带变换参数选择的混沌 PSO 算法 | 第22-23页 |
| ·实验结果与分析 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于混沌 PSO 或分解的二维最小误差红外图像分割 | 第26-35页 |
| ·引言 | 第26-27页 |
| ·基于混沌 PSO 的二维最小误差阈值选取 | 第27-31页 |
| ·二维最小误差阈值选取及快速递推算法 | 第27-29页 |
| ·二维最小误差阈值选取的递推混沌 PSO 算法 | 第29-31页 |
| ·基于分解的二维最小误差阈值选取 | 第31-32页 |
| ·实验结果与分析 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于循环平移的复 Contourlet 域红外与可见光图像融合 | 第35-41页 |
| ·引言 | 第35页 |
| ·复 Contourlet 变换及循环平移原理 | 第35-36页 |
| ·复 Contourlet 变换 | 第35-36页 |
| ·循环平移结合复 Contourlet 变换的图像融合 | 第36页 |
| ·融合规则 | 第36-37页 |
| ·低频子带融合 | 第36-37页 |
| ·高频子带融合 | 第37页 |
| ·基于循环平移的复 Contourlet 域红外与可见光图像融合算法 | 第37-38页 |
| ·实验结果与分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 基于双树复小波变换和核主成分分析的红外弱小目标检测 | 第41-49页 |
| ·引言 | 第41页 |
| ·基于核主成分分析的红外图像背景抑制 | 第41-43页 |
| ·核主成分分析概述 | 第41-43页 |
| ·基于核主成分分析的红外图像背景抑制方法 | 第43页 |
| ·基于双树复小波变换的红外图像去噪 | 第43-45页 |
| ·双树复小波变换 | 第43-44页 |
| ·基于双树复小波变换的红外图像去噪方法 | 第44-45页 |
| ·基于 Tsallis 交叉熵的目标分割 | 第45-46页 |
| ·Tsallis 交叉熵 | 第45页 |
| ·基于 Tsallis 交叉熵的阈值选取 | 第45-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 基于邻域灰度熵和分类的红外弱小目标检测 | 第49-55页 |
| ·引言 | 第49页 |
| ·基于复 Contourlet 变换的红外图像去噪 | 第49-50页 |
| ·基于邻域灰度熵和分类的红外图像背景抑制 | 第50-51页 |
| ·灰度熵 | 第50页 |
| ·基于邻域灰度熵和分类的红外图像背景抑制方法 | 第50-51页 |
| ·基于指数交叉熵的目标分割 | 第51-53页 |
| ·指数交叉熵 | 第51-52页 |
| ·基于指数交叉熵的阈值选取 | 第52-53页 |
| ·实验结果与分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第七章 总结与展望 | 第55-57页 |
| ·本文工作总结 | 第55-56页 |
| ·进一步的研究工作展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 在学期间的研究成果及发表的学术论文 | 第63页 |
