| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 本论文研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究现状和发展趋势 | 第9-11页 |
| 1.3 本文的研究内容和章节安排 | 第11-13页 |
| 2 基于低秩稀疏分解的红外弱小目标检测 | 第13-24页 |
| 2.1 引言 | 第13页 |
| 2.2 时间域算法 | 第13页 |
| 2.3 空域滤波算法 | 第13-16页 |
| 2.4 频率域算法 | 第16-19页 |
| 2.5 基于低秩稀疏分解的红外弱小目标检测 | 第19-23页 |
| 2.5.1 基于压缩感知的红外弱小目标检测 | 第21-23页 |
| 2.6 本章小节 | 第23-24页 |
| 3 基于加权核范数最小化的红外弱小目标检测 | 第24-40页 |
| 3.1 引言 | 第24页 |
| 3.2 基于IPI模型的红外弱小目标检测 | 第24-29页 |
| 3.2.1 鲁棒主成分分析 | 第24-25页 |
| 3.2.2 基于鲁棒主成分分析的红外弱小目标检测可行性分析 | 第25-26页 |
| 3.2.3 IPI模型 | 第26-29页 |
| 3.3 基于WNNM-IPI的红外弱小目标检测 | 第29-35页 |
| 3.3.1 WNNM-IPI模型 | 第29-30页 |
| 3.3.2 权重向量的设置 | 第30-31页 |
| 3.3.3 模型优化算法 | 第31-35页 |
| 3.3.4 自适应阈值分割 | 第35页 |
| 3.4 实验过程与分析 | 第35-39页 |
| 3.4.1 参数设置与评估策略 | 第35-36页 |
| 3.4.2 实验结果与分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于低秩表示的红外弱小目标检测 | 第40-49页 |
| 4.1 引言 | 第40页 |
| 4.2 低秩表示模型 | 第40-41页 |
| 4.3 WNNM-LRR模型 | 第41-45页 |
| 4.3.1 模型的优化算法—增广拉格朗日乘子法 | 第43-45页 |
| 4.4 实验结果与分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 基于结构张量和稀疏重加权的红外弱小目标检测 | 第49-62页 |
| 5.1 引言 | 第49页 |
| 5.2 结构张量与稀疏重加权模型 | 第49-54页 |
| 5.2.1 多种数据矩阵的构造方法 | 第51-52页 |
| 5.2.2 噪声图像块分析 | 第52页 |
| 5.2.3 局部信杂比分析 | 第52-54页 |
| 5.3 模型优化算法 | 第54-56页 |
| 5.4 实验结果与分析 | 第56-60页 |
| 5.4.1 实验参数设置与比较方法 | 第56-57页 |
| 5.4.2 基于单帧图像的实验结果与分析 | 第57-59页 |
| 5.4.3 基于序列图像的实验结果与分析 | 第59-60页 |
| 5.5 本章小结 | 第60-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62-63页 |
| 6.2 工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录 | 第70页 |