| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 算法研究现状 | 第10-12页 |
| 1.3 本文的主要内容及安排 | 第12-15页 |
| 第2章 红外小目标检测算法简介 | 第15-33页 |
| 2.1 引言 | 第15页 |
| 2.2 红外图像构成特性 | 第15-16页 |
| 2.3 基于背景特征的算法 | 第16-24页 |
| 2.3.1 基于空域和频域滤波处理相关的算法 | 第16-21页 |
| 2.3.2 基于矩阵恢复的算法 | 第21-22页 |
| 2.3.3 基于支持向量机的算法 | 第22-24页 |
| 2.4 基于目标特性的算法 | 第24-31页 |
| 2.4.1 基于显著性特征的算法 | 第24-25页 |
| 2.4.2 基于主成分分析法的算法 | 第25-29页 |
| 2.4.3 基于图像稀疏表示的算法 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 基于局部对比度和变换域显著性的红外小目标检测算法 | 第33-47页 |
| 3.1 引言 | 第33-34页 |
| 3.2 基于局部对比度和变换域显著性的红外小目标检测算法 | 第34-42页 |
| 3.2.1 算法整体框架 | 第34页 |
| 3.2.2 形态学重构相关介绍 | 第34-38页 |
| 3.2.3 改进的形态学重建 | 第38-39页 |
| 3.2.4 基于局部对比度的算法 | 第39-41页 |
| 3.2.5 基于变换域显著性的算法 | 第41-42页 |
| 3.3 实验结果分析 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于BEMD模型的红外小目标检测算法 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.2 基于BEMD模型的红外小目标检测算法 | 第48-54页 |
| 4.2.1 算法整体框架 | 第48页 |
| 4.2.2 二维经验模态分解 | 第48-51页 |
| 4.2.3 显著性图计算 | 第51-54页 |
| 4.2.4 显著性图融合 | 第54页 |
| 4.3 实验结果分析 | 第54-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 基于加权多方向梯度信息的红外小目标检测算法 | 第59-73页 |
| 5.1 引言 | 第59页 |
| 5.2 基于加权多方向梯度信息的红外小目标检测算法 | 第59-66页 |
| 5.2.1 算法整体框架 | 第59-60页 |
| 5.2.2 基于加权多方向梯度信息的算法 | 第60-66页 |
| 5.3 实验结果及分析 | 第66-70页 |
| 5.4 本文方法对比实验分析 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士学位期间的科研成果 | 第83页 |
