| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·红外目标特征提取现状 | 第8-9页 |
| ·特征提取的目的和原则 | 第8页 |
| ·特征提取方法 | 第8-9页 |
| ·论文的主要工作与章节安排 | 第9-11页 |
| 第二章 图像特征提取的理论研究 | 第11-27页 |
| ·引言 | 第11页 |
| ·基于 PCA 的图像特征提取 | 第11-15页 |
| ·PCA 的理论原理 | 第11-13页 |
| ·白化 | 第13-14页 |
| ·经典的预处理方法 | 第14-15页 |
| ·基于 ICA 的图像特征提取 | 第15-19页 |
| ·数学模型 | 第15页 |
| ·求解过程 | 第15-16页 |
| ·ICA 的不确定性和限制条件 | 第16-17页 |
| ·白化与独立分量 | 第17-18页 |
| ·独立分量的非高斯性 | 第18-19页 |
| ·基于 ISA 的图像特征提取 | 第19-22页 |
| ·线性特征的不充分性 | 第20页 |
| ·子空间 | 第20-21页 |
| ·特征检测的能量模式 | 第21-22页 |
| ·表现形式对比及实验分析 | 第22-26页 |
| ·表现形式 | 第22-25页 |
| ·实验分析 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于稀疏理论的 FastICA 图像特征提取 | 第27-33页 |
| ·引言 | 第27页 |
| ·FastICA 算法 | 第27-29页 |
| ·稀疏性与独立分量 | 第29-31页 |
| ·稀疏性概述 | 第29-30页 |
| ·稀疏性与独立分量的联系 | 第30-31页 |
| ·实验结论及分析 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第四章 基于 ISA 的图像统计特征分析 | 第33-43页 |
| ·引言 | 第33页 |
| ·基于 ICA 的自然图像统计特性 | 第33-36页 |
| ·独立分量的概率密度 | 第33-34页 |
| ·ICA 最大似然估计 | 第34页 |
| ·自然图像 ICA 特征估计 | 第34-36页 |
| ·基于 ISA 的自然图像统计特性 | 第36-41页 |
| ·ISA 模式 | 第36页 |
| ·自然图像 ISA 估计 | 第36-37页 |
| ·特征方向、频率、相位分析 | 第37-40页 |
| ·基于 ISA 的红外图像特征提取 | 第40-41页 |
| ·小结 | 第41-43页 |
| 第五章 红外目标多特征判决分类 | 第43-49页 |
| ·引言 | 第43页 |
| ·基于距离度量分类器设计 | 第43-44页 |
| ·基于多特征的红外目标判决分类 | 第44-46页 |
| ·ICA 局部与全局模式 | 第44-45页 |
| ·判决分类器设计 | 第45-46页 |
| ·实验结论及分析 | 第46-47页 |
| ·小结 | 第47-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 作者在读研期间的主要工作 | 第57-58页 |