| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-20页 |
| ·本文研究背景及意义 | 第12-13页 |
| ·国内外相关技术研究现状及发展趋势 | 第13-17页 |
| ·红外探测器的研究现状及发展趋势 | 第13-16页 |
| ·非均匀性校正的研究现状及发展趋势 | 第16-17页 |
| ·本文的主要研究内容说明 | 第17-20页 |
| ·论文主要内容 | 第17-18页 |
| ·各章节结构安排 | 第18-20页 |
| 第二章 红外图像非均匀性 | 第20-28页 |
| ·红外探测器响应模型 | 第20-22页 |
| ·线性响应模型 | 第20-21页 |
| ·非线性响应模型 | 第21-22页 |
| ·红外图像的特点 | 第22-24页 |
| ·红外图像的特点 | 第22-23页 |
| ·红外图像的噪声 | 第23-24页 |
| ·非均匀性的来源及定义 | 第24-27页 |
| ·非均匀性的来源 | 第24-26页 |
| ·非均匀性的定义 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第三章 常见非均匀性校正方法 | 第28-41页 |
| ·非均匀性模拟及仿真 | 第28-31页 |
| ·基于定标的非均匀性校正方法 | 第31-35页 |
| ·一点校正法 | 第31-33页 |
| ·两点校正法 | 第33-34页 |
| ·多点校正法 | 第34-35页 |
| ·基于场景的非均匀性校正方法 | 第35-40页 |
| ·时域高通滤波法 | 第35-37页 |
| ·卡尔曼滤波法 | 第37-39页 |
| ·恒定统计平均法 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第四章 基于神经网络的非均匀性校正算法 | 第41-62页 |
| ·神经网络 | 第41-46页 |
| ·神经网络的基本原理 | 第41-43页 |
| ·前馈型网络的结构 | 第43-44页 |
| ·前馈型神经网络的训练过程 | 第44-46页 |
| ·神经网络非均匀性校正算法 | 第46-49页 |
| ·神经网络非均匀性校正原理 | 第47-48页 |
| ·校正过程的关键技术 | 第48-49页 |
| ·改进的神经网络非均匀性校正算法 | 第49-54页 |
| ·改进隐含层算法 | 第49-53页 |
| ·迭代初值的选取 | 第53-54页 |
| ·算法仿真与分析 | 第54-61页 |
| ·校正性能评价指标 | 第54页 |
| ·结果分析 | 第54-61页 |
| ·小结 | 第61-62页 |
| 第五章 结合粒子群优化算法的神经网络非均匀性校正方法 | 第62-84页 |
| ·粒子群优化算法 | 第62-66页 |
| ·粒子群优化的基本原理 | 第62-64页 |
| ·粒子群优化的过程 | 第64-66页 |
| ·结合粒子群优化算法的神经网络非均匀性校正方法 | 第66-69页 |
| ·粒子群训练神经网络的思想 | 第67-68页 |
| ·粒子群训练神经网络的非均匀性校正 | 第68-69页 |
| ·基于场景变换的非均匀性校正算法 | 第69-71页 |
| ·基本思想 | 第70-71页 |
| ·算法流程 | 第71页 |
| ·算法仿真与分析 | 第71-83页 |
| ·仿真结果分析 | 第72-83页 |
| ·结论 | 第83页 |
| ·小结 | 第83-84页 |
| 第六章 结束语 | 第84-86页 |
| ·本文工作总结 | 第84-85页 |
| ·展望 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 攻硕期间取得的研究成果 | 第91-92页 |