基于主动轮廓模型的红外图像目标检测与识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 红外图像目标检测算法研究现状 | 第9-10页 |
| 1.2.2 主动轮廓模型算法研究现状 | 第10-11页 |
| 1.2.3 红外图像目标识别算法研究现状 | 第11-12页 |
| 1.3 红外目标检测与识别的研究核心与难点 | 第12-13页 |
| 1.4 课题章节安排 | 第13-15页 |
| 第二章 红外图像目标主动视觉基础理论 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 图像预处理 | 第15-16页 |
| 2.3 红外图像目标检测 | 第16-21页 |
| 2.3.1 边缘检测算法 | 第16-19页 |
| 2.3.2 区域生长法 | 第19-20页 |
| 2.3.3 主动轮廓模型 | 第20-21页 |
| 2.4 红外图像目标识别 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于主动轮廓模型的红外目标自主检测算法 | 第23-32页 |
| 3.1 引言 | 第23-24页 |
| 3.2 初次边缘提取算法 | 第24-26页 |
| 3.2.1 初次边缘提取算法原理 | 第24-26页 |
| 3.2.2 实验结果与分析 | 第26页 |
| 3.3 二次边缘提取算法 | 第26-28页 |
| 3.3.1 二次边缘提取算法原理 | 第27页 |
| 3.3.2 实验结果与分析 | 第27-28页 |
| 3.4 最终轮廓提取算法 | 第28-31页 |
| 3.4.1 基本原理 | 第28-29页 |
| 3.4.2 实验结果与分析 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于Bayes网络的红外目标识别算法 | 第32-50页 |
| 4.1 引言 | 第32页 |
| 4.2 红外目标特征提取 | 第32-42页 |
| 4.2.1 常用的特征提取方法 | 第32-33页 |
| 4.2.2 红外目标的几何特征提取 | 第33-39页 |
| 4.2.3 红外目标的不变矩特征提取 | 第39-42页 |
| 4.3 红外目标识别的分类器设计 | 第42-49页 |
| 4.3.1 常用的红外目标分类器 | 第42-43页 |
| 4.3.2 最小距离分类器的基本原理 | 第43页 |
| 4.3.3 Bayes分类器的基本原理 | 第43-45页 |
| 4.3.4 Bayes网络的基本原理 | 第45-46页 |
| 4.3.5 红外目标识别算法的结果与分析 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 红外目标自动检测算法实现 | 第50-55页 |
| 5.1 引言 | 第50页 |
| 5.2 实验平台配置 | 第50-53页 |
| 5.3 实验结果与分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 本文总结 | 第55页 |
| 6.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 发表论文和科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |
