| 摘要 | 第1-3页 |
| Abstract | 第3-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究的目的和意义 | 第9-10页 |
| ·本课题国内外研究现状与发展趋势 | 第10-11页 |
| ·本论文研究的主要内容 | 第11-13页 |
| 第2章 红外图像特点分析 | 第13-17页 |
| ·红外成像系统简介 | 第13-14页 |
| ·红外图像特点 | 第14-15页 |
| ·红外图像的噪声分析 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第3章 常用红外图像预处理 | 第17-27页 |
| ·常见的红外图像预处理方法 | 第17-25页 |
| ·直方图均衡 | 第17-18页 |
| ·图像锐化 | 第18-20页 |
| ·中值滤波和伪中值滤波 | 第20-21页 |
| ·均值滤波 | 第21-22页 |
| ·自适应滤波 | 第22-23页 |
| ·小波阈值去噪 | 第23-25页 |
| ·图像处理评价指标 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第4章 自适应中值滤波与小波去噪相结合的图像预处理 | 第27-46页 |
| ·小波变换的基本理论 | 第27-29页 |
| ·Mallat 塔式算法 | 第29-32页 |
| ·一维信号的Mallat 算法 | 第29-30页 |
| ·二维信号的Mallat 算法 | 第30-32页 |
| ·基于小波变换的红外船舶图像去噪 | 第32-38页 |
| ·本文小波阈值函数的选取 | 第33-34页 |
| ·小波阈值估计 | 第34-36页 |
| ·本文采用的阈值 | 第36-37页 |
| ·本文选择的小波基与小波分解层 | 第37页 |
| ·本文小波阈值去噪算法 | 第37-38页 |
| ·基于脉冲噪声点检测的自适应中值滤波 | 第38-40页 |
| ·本文采用的自适应中值滤波 | 第39-40页 |
| ·本文的图像混合噪声去除算法 | 第40-41页 |
| ·实验结果及分析 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 红外图像分割处理 | 第46-63页 |
| ·红外图像分割概述 | 第46-47页 |
| ·边缘检测的图像分割算法 | 第47-50页 |
| ·Roberts 算子 | 第48页 |
| ·Sobel 算子 | 第48页 |
| ·Prewitt 算子 | 第48-49页 |
| ·LOG | 第49-50页 |
| ·基于直方图形态的阈值分割 | 第50-51页 |
| ·P-tile 法 | 第50页 |
| ·峰-谷法 | 第50-51页 |
| ·基于聚类的阈值分割 | 第51-52页 |
| ·迭代法 | 第51页 |
| ·最大类间方差法 | 第51-52页 |
| ·基于最大熵的图像分割 | 第52-53页 |
| ·熵的基本概念 | 第52-53页 |
| ·基于最大熵的分割算法 | 第53页 |
| ·Canny 算子分割 | 第53-55页 |
| ·Canny 算法实现 | 第54-55页 |
| ·本文改进的红外图像分割算法 | 第55-61页 |
| ·背景预测与图像裁剪 | 第56-57页 |
| ·本文基于模糊增强的Canny 边缘提取算法 | 第57-61页 |
| ·实验结果及结论 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 结束语 | 第63-65页 |
| ·工作总结 | 第63页 |
| ·后续工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71-72页 |
| 详细摘要 | 第72-76页 |