| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-33页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状与发展趋势 | 第14-28页 |
| 1.2.1 红外图像无参考图质量评价的概念 | 第14页 |
| 1.2.2 红外图像质量评价方法研究现状 | 第14-28页 |
| 1.2.2.1 概述 | 第14-16页 |
| 1.2.2.2 图像算法性能相关的红外图像质量评价指标 | 第16-22页 |
| 1.2.2.3 基于人眼视觉特性的红外图像质量评价指标 | 第22-25页 |
| 1.2.2.4 PCNN图像分割及算法性能评估研究现状 | 第25-28页 |
| 1.3 主要研究内容与技术路线 | 第28-31页 |
| 1.4 本论文的结构安排 | 第31-33页 |
| 第二章 红外图像特点及其质量评价相关原则 | 第33-41页 |
| 2.1 概述 | 第33页 |
| 2.2 红外成像原理与红外图像特点 | 第33-38页 |
| 2.2.1 红外成像原理 | 第34-35页 |
| 2.2.2 红外成像系统 | 第35-36页 |
| 2.2.3 红外传输特性 | 第36-37页 |
| 2.2.4 红外图像特点及其噪声分析 | 第37-38页 |
| 2.3 红外图像无参考图质量评价相关原则 | 第38-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 基于人眼视觉特性的红外图像杂波量化方法 | 第41-66页 |
| 3.1 概述 | 第41页 |
| 3.2 人眼视觉系统介绍 | 第41-44页 |
| 3.2.1 人眼视觉系统的生理结构 | 第41-43页 |
| 3.2.2 人眼视觉系统的心理特性 | 第43-44页 |
| 3.3 杂波定义及典型量化指标分析 | 第44-48页 |
| 3.3.1 杂波的定义 | 第44-45页 |
| 3.3.2 典型杂波量化指标分析 | 第45-48页 |
| 3.4 红外图像中影响人眼视觉特性的因素分析 | 第48-49页 |
| 3.5 基于模糊逻辑的背景自适应划分 | 第49-53页 |
| 3.5.1 图像特征选择 | 第50页 |
| 3.5.2 基于模糊逻辑自适应分块算法 | 第50-53页 |
| 3.6 目标特征相似性杂波尺度 | 第53-57页 |
| 3.6.1 图像特征相似性指标 | 第53-55页 |
| 3.6.2 目标特征相似性尺度的定义及计算方式 | 第55-57页 |
| 3.7 实验及分析 | 第57-64页 |
| 3.7.1 实验设置 | 第57-58页 |
| 3.7.2 指标有效性实验 | 第58-62页 |
| 3.7.3 指标性能对比实验 | 第62-64页 |
| 3.8 本章小结 | 第64-66页 |
| 第四章 面向目标检测性能的红外图像质量评价方法 | 第66-83页 |
| 4.1 概述 | 第66页 |
| 4.2 典型指标分析 | 第66-67页 |
| 4.3 红外目标检测技术及干扰因素分析 | 第67-69页 |
| 4.4 面向目标检测性能的红外图像质量评价指标 | 第69-73页 |
| 4.4.1 全局背景干扰度 | 第69-72页 |
| 4.4.2 局部背景相似度 | 第72-73页 |
| 4.5 实验及讨论 | 第73-81页 |
| 4.5.1 指标有效性实验 | 第74-75页 |
| 4.5.2 指标性能对比实验 | 第75-78页 |
| 4.5.3 评价指标与目标检测算法性能的关联性验证 | 第78-81页 |
| 4.6 本章小结 | 第81-83页 |
| 第五章 面向目标跟踪性能的红外序列图像质量评价方法 | 第83-105页 |
| 5.1 概述 | 第83页 |
| 5.2 现有红外序列图像评价指标分析 | 第83-85页 |
| 5.3 红外目标跟踪技术及干扰因素分析 | 第85-88页 |
| 5.4 面向目标跟踪误差的红外序列图像质量评价指标 | 第88-92页 |
| 5.4.1 帧内目标信息遮隐程度 | 第88-90页 |
| 5.4.2 帧间目标灰度信息变化程度 | 第90-91页 |
| 5.4.3 帧间目标运动信息变化程度 | 第91-92页 |
| 5.5 实验及分析 | 第92-103页 |
| 5.5.1 实验设置 | 第92-94页 |
| 5.5.2 指标有效性实验 | 第94-98页 |
| 5.5.3 指标性能对比实验 | 第98-103页 |
| 5.6 本章小结 | 第103-105页 |
| 第六章 红外图像质量评价在图像分割中的应用 | 第105-123页 |
| 6.1 概述 | 第105页 |
| 6.2 影响分割算法性能的因素 | 第105-106页 |
| 6.3 图像局部活跃度 | 第106-108页 |
| 6.3.1 图像自适应分块策略 | 第106-107页 |
| 6.3.2 图像局部活跃度的定义及计算 | 第107-108页 |
| 6.4 基于STEWART PCNN模型的图像自动分割方法 | 第108-114页 |
| 6.4.1 Stewart PCNN模型 | 第108-109页 |
| 6.4.2 基于图像活跃度的PCNN图像自动分割方法 | 第109-111页 |
| 6.4.3 实验及分析 | 第111-114页 |
| 6.5 基于图像质量评价的分割算法性能评估新方法 | 第114-121页 |
| 6.5.1 引言 | 第114-115页 |
| 6.5.2 现有图像分割算法性能评估的缺陷分析 | 第115-116页 |
| 6.5.3 基于图像质量评价的分割算法性能评估新方法 | 第116-118页 |
| 6.5.3.1 图像活跃度指标 | 第116-117页 |
| 6.5.3.2 加权优度法 | 第117-118页 |
| 6.5.4 实验及分析 | 第118-121页 |
| 6.5.4.1 实验设置 | 第118-119页 |
| 6.5.4.2 图像活跃度指标有效性验证 | 第119页 |
| 6.5.4.3 分割算法性能评估及排序 | 第119-120页 |
| 6.5.4.4 加权优度法的优势与不足 | 第120-121页 |
| 6.6 本章小结 | 第121-123页 |
| 第七章 全文总结与展望 | 第123-125页 |
| 7.1 全文总结 | 第123-124页 |
| 7.2 后续工作展望 | 第124-125页 |
| 致谢 | 第125-126页 |
| 参考文献 | 第126-137页 |
| 攻读博士学位期间取得的成果 | 第137-138页 |
