首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于红外图像的人工浅埋掩体目标检测技术研究

摘要第8-9页
ABSTRACT第9页
第一章 绪论第10-18页
    1.1 研究背景第10-11页
    1.2 国内外研究现状第11-13页
    1.3 技术研究现状第13-15页
        1.3.1 现有的目标检测方法及其局限性第13页
        1.3.2 本文所用方法的研究现状第13-15页
    1.4 论文研究内容及结构安排第15-18页
第二章 浅埋掩体目标红外特性分析第18-27页
    2.1 红外图像成像原理和特点第18-19页
        2.1.1 红外成像的基本原理第18页
        2.1.2 红外成像的特点第18-19页
    2.2 目标与背景的红外特性分析第19-23页
        2.2.1 辐射度学的相应理论第19-21页
        2.2.2 目标与背景的对比度特性第21-22页
        2.2.3 目标与背景的空间灰度分布特性第22-23页
    2.3 红外浅埋掩体辐射场建模第23-25页
    2.4 浅埋掩体目标检测拟采用的技术途径第25-26页
    2.5 小结第26-27页
第三章 基于加权分形特征组合的人造目标检测第27-46页
    3.1 分形的基本理论第27-36页
        3.1.1 分形的概念第28-30页
        3.1.2 分形维数第30-32页
        3.1.3 分形布朗模型对自然场景的描述第32-36页
    3.2 传统基于分形特征目标检测方法第36-39页
        3.2.1 基于分形截距的目标检测方法第36页
        3.2.2 基于缝隙的目标检测方法第36-37页
        3.2.3 基于多尺度分形参数的目标检测方法第37-38页
        3.2.4 基于差分地毯覆盖法的目标检测方法第38-39页
        3.2.5 基于表面粗糙度的目标检测方法第39页
    3.3 基于加权分形特征组合的目标检测算法第39-44页
        3.3.1 表面粗糙度提取第39-42页
        3.3.2 分形拟合误差计算第42-43页
        3.3.3 加权分形特征组合第43-44页
    3.4 小结第44-46页
第四章 基于两重误差重构的显著性区域检测第46-64页
    4.1 典型的显著性检测方法第46-48页
    4.2 SLIC超像素分割第48-51页
    4.3 基于两重误差重构的显著性检测方法第51-61页
        4.3.1 背景模板的提取第52-53页
        4.3.2 两重重构误差的构建第53-55页
        4.3.3 基于上下文的重构误差传播第55-56页
        4.3.4 像素级显著性检测第56-58页
        4.3.5 基于贝叶斯准则的显著图融合第58-59页
        4.3.6 实验仿真第59-61页
    4.4 分形与显著性检测结果融合第61-63页
    4.5 本章小结第63-64页
第五章 结束语第64-66页
    5.1 工作总结第64-65页
    5.2 工作展望第65-66页
致谢第66-67页
参考文献第67-73页
作者在学期间取得的学术成果第73页

论文共73页,点击 下载论文
上一篇:基于纠错码构造的系统认证码
下一篇:基于级联失效模型的异质网络脆弱性分析