| 第一章 绪论 | 第1-13页 |
| ·课题背景和意义 | 第7页 |
| ·弱小目标检测的特点 | 第7-9页 |
| ·国内外最新成果和发展动态 | 第9-10页 |
| ·论文任务和主要工作内容 | 第10-11页 |
| ·主要研究成果 | 第11-13页 |
| 第二章 基于灰度形态学和邻域熵值的弱小目标检测方法研究 | 第13-23页 |
| ·熵的定义 | 第13页 |
| ·图像的邻域熵 | 第13-14页 |
| ·灰度形态学 | 第14-17页 |
| ·形态学的基本思想 | 第14-15页 |
| ·灰度图像的形态学运算 | 第15-16页 |
| ·结构元素对形态处理效果的影响 | 第16-17页 |
| ·检测流程 | 第17-18页 |
| ·实验结果 | 第18-22页 |
| ·小结 | 第22-23页 |
| 第三章 基于分形曲面的尺度变化率特征的弱小目标检测方法研究 | 第23-32页 |
| ·分形的定义 | 第23页 |
| ·图像的分形模型 | 第23-25页 |
| ·分形技术应用于人造目标的检测 | 第25-27页 |
| ·分形曲面的尺度变化率特征 | 第27页 |
| ·分形特征的计算 | 第27-28页 |
| ·实验结果 | 第28-31页 |
| ·小结 | 第31-32页 |
| 第四章 基于遗传算法优化的自适应模板匹配方法研究 | 第32-43页 |
| ·归一化相关函数 | 第32-33页 |
| ·自适应模板修正 | 第33-34页 |
| ·初始模板确定 | 第33-34页 |
| ·中心加权修正 | 第34页 |
| ·基于滤波与预测的模板图像更新策略 | 第34页 |
| ·遗传算法优化 | 第34-40页 |
| ·遗传算法概要 | 第35-37页 |
| ·遗传算法的运算过程 | 第37-38页 |
| ·遗传算法的具体实现 | 第38-40页 |
| ·实验结果 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第五章 基于小波多分辨率分析和数据融合技术的弱小目标检测方法研究 | 第43-52页 |
| ·图像的小波多分辨率分析 | 第43-47页 |
| ·小波变换的概念 | 第43-44页 |
| ·多分辨率分析 | 第44-45页 |
| ·二维离散小波变换的Mallat算法 | 第45-47页 |
| ·数据融合技术 | 第47-49页 |
| ·加权平均法进行数据融合 | 第48页 |
| ·权的最优分配原则 | 第48-49页 |
| ·实验流程和结果 | 第49-51页 |
| ·小结 | 第51-52页 |
| 第六章 软硬件实验系统与算法评价 | 第52-65页 |
| ·衡量算法性能的指标 | 第52-53页 |
| ·虚警率和漏警率 | 第52-53页 |
| ·系统增益 | 第53页 |
| ·算法复杂度 | 第53页 |
| ·图像对比度 | 第53页 |
| ·算法的软件初步验证 | 第53-61页 |
| ·实时硬件实验系统 | 第61-64页 |
| ·高速图像处理系统结构 | 第61-62页 |
| ·硬件实验系统 | 第62-64页 |
| ·小结 | 第64-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72页 |
