复杂云层背景下红外小目标检测算法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的背景及意义 | 第10页 |
| 1.2 相关技术及研究现状 | 第10-13页 |
| 1.2.1 DBT方法 | 第11-12页 |
| 1.2.2 TBD方法 | 第12-13页 |
| 1.3 本文的主要内容和章节安排 | 第13-15页 |
| 第2章 红外成像原理与图像特性分析 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 红外成像原理 | 第15-16页 |
| 2.3 红外图像特征 | 第16-19页 |
| 2.3.1 红外图像的整体特点 | 第16-17页 |
| 2.3.2 背景特性分析 | 第17-18页 |
| 2.3.3 噪声特性分析 | 第18页 |
| 2.3.4 小目标特性分析 | 第18-19页 |
| 2.4 不同背景下的红外小目标成像 | 第19-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第3章 红外小目标检测算法研究 | 第24-42页 |
| 3.1 引言 | 第24页 |
| 3.2 阈值分割法 | 第24-28页 |
| 3.2.1 Otsu阈值分割法 | 第25-27页 |
| 3.2.2 迭代式阈值分割方法 | 第27-28页 |
| 3.3 最大中值滤波算法 | 第28-30页 |
| 3.4 基于形态学滤波的小目标检测 | 第30-36页 |
| 3.4.1 数学形态学发展 | 第30-31页 |
| 3.4.2 数学形态学的概念 | 第31页 |
| 3.4.3 数学形态学的基本操作 | 第31-34页 |
| 3.4.4 基于Top-hat的小目标检测 | 第34-36页 |
| 3.5 基于局部均值的小目标检测算法 | 第36-40页 |
| 3.5.1 局部均值算法原理 | 第36-38页 |
| 3.5.2 参数分析与仿真验证 | 第38-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 基于局部差值的小目标检测算法 | 第42-64页 |
| 4.1 引言 | 第42页 |
| 4.2 局部差值算法原理 | 第42-50页 |
| 4.2.1 区域相似度数学模型 | 第42-44页 |
| 4.2.2 局部差值算法流程 | 第44-46页 |
| 4.2.3 算法可行性分析 | 第46-47页 |
| 4.2.4 仿真验证及分析 | 第47-50页 |
| 4.3 不同背景下的小目标检测仿真实验 | 第50-63页 |
| 4.3.1 目标位于云层内部 | 第50-53页 |
| 4.3.2 目标在云层边缘 | 第53-56页 |
| 4.3.3 目标远离云层 | 第56-59页 |
| 4.3.4 目标被点状云层包围 | 第59-61页 |
| 4.3.5 结论 | 第61-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 序列图像中的小目标检测 | 第64-73页 |
| 5.1 引言 | 第64页 |
| 5.2 管道滤波算法 | 第64-66页 |
| 5.2.1 管道滤波算法原理 | 第64-65页 |
| 5.2.2 位移式管道滤波算法的基本步骤 | 第65-66页 |
| 5.3 基于局部差值和管道滤波的小目标检测算法 | 第66-68页 |
| 5.4 连续帧图像小目标检测仿真验证 | 第68-72页 |
| 5.4.1 单一小目标检测仿真 | 第68-69页 |
| 5.4.2 多小目标检测仿真 | 第69-72页 |
| 5.5 本章小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第80-81页 |
| 致谢 | 第81页 |
