基于自适应背景估计的复杂红外背景抑制技术
| 第1章 绪论 | 第1-14页 |
| 1．1 引言 | 第9-10页 |
| 1．2 红外图像特点及预处理 | 第10-11页 |
| 1．2．1 红外图像特点 | 第10页 |
| 1．2．2 红外图像的预处理 | 第10-11页 |
| 1．3 红外目标的检测研究现状 | 第11-12页 |
| 1．4 论文结构安排 | 第12-14页 |
| 第2章 红外背景抑制方法 | 第14-30页 |
| 2．1 引言 | 第14-15页 |
| 2．2 红外图像的数学描述 | 第15页 |
| 2．3 红外图像的频域特性和统计特性 | 第15-17页 |
| 2．4 噪声分析 | 第17-23页 |
| 2．4．1 约翰逊噪声 | 第18-19页 |
| 2．4．2 散粒噪声 | 第19-20页 |
| 2．4．3 产生-复合噪声 | 第20-21页 |
| 2．4．4 光子噪声 | 第21-22页 |
| 2．4．5 1/f噪声 | 第22页 |
| 2．4．6 色噪声 | 第22-23页 |
| 2．5 几种典型的背景抑制方法 | 第23-26页 |
| 2．5．1 空域高通滤波法 | 第23-24页 |
| 2．5．2 频域高通滤波法 | 第24-25页 |
| 2．5．3 中值滤波 | 第25页 |
| 2．5．4 自适应门限背景抑制法 | 第25-26页 |
| 2．5．5 形态学方法 | 第26页 |
| 2．6 仿真实验 | 第26-29页 |
| 2．7 本章小结 | 第29-30页 |
| 第3章 自适应背景估计技术 | 第30-45页 |
| 3．1 概述 | 第30-32页 |
| 3．2 自适应线性预测技术 | 第32-36页 |
| 3．3 算法改进 | 第36-40页 |
| 3．4 自适应阈值分割 | 第40-41页 |
| 3．5 实验结果 | 第41-43页 |
| 3．6 本章小结 | 第43-45页 |
| 第4章 非线性均值滤波器 | 第45-59页 |
| 4．1 概述 | 第45-46页 |
| 4．2 非线性均值滤波器的结构 | 第46-47页 |
| 4．3 非线性均值滤波器的统计特性 | 第47-50页 |
| 4．4 非线性均值滤波器的特点 | 第50-53页 |
| 4．5 线性、非线性的混合滤波器 | 第53-54页 |
| 4．6 实验结果 | 第54-57页 |
| 4．7 本章小结 | 第57-59页 |
| 第5章 神经网络预测器 | 第59-68页 |
| 5．1 概述 | 第59页 |
| 5．2 神经网络预测器的设计 | 第59-63页 |
| 5．3 BP神经网络的不足及其改进 | 第63-66页 |
| 5．3．1 原始数据的非线性规格化 | 第63-64页 |
| 5．3．2 权值和参数的优选 | 第64-66页 |
| 5．4 实验结果 | 第66-67页 |
| 5．5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第73-74页 |
| 致谢 | 第74页 |
