红外与可见光目标的融合探测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-16页 |
| 1.1 信息融合技术概述 | 第7-11页 |
| 1.1.1 研究历程 | 第7-9页 |
| 1.1.2 应用领域 | 第9-10页 |
| 1.1.3 发展趋势 | 第10-11页 |
| 1.2 目标探测技术概述 | 第11-12页 |
| 1.2.1 技术分类 | 第11页 |
| 1.2.2 技术现状 | 第11-12页 |
| 1.3 课题研究背景和意义 | 第12-13页 |
| 1.4 论文的主要工作以及章节安排 | 第13-16页 |
| 1.4.1 本文的内容与工作 | 第13-15页 |
| 1.4.2 本文章节安排 | 第15-16页 |
| 2 基于红外背景预测的目标融合检测 | 第16-32页 |
| 2.1 红外图像预处理 | 第16-18页 |
| 2.1.1 灰度直方图 | 第16-17页 |
| 2.1.2 基于直方图的线性拉伸 | 第17-18页 |
| 2.2 基于红外图像的背景预测 | 第18-23页 |
| 2.2.1 背景预测 | 第18-20页 |
| 2.2.2 目标增强 | 第20-21页 |
| 2.2.3 图像去噪 | 第21-23页 |
| 2.3 基于改进Tri算子的边缘提取 | 第23-27页 |
| 2.4 基于红外图像的目标标识 | 第27-29页 |
| 2.5 基于红外目标的融合检测 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 基于复合分类特征的目标融合识别 | 第32-52页 |
| 3.1 复合分类识别特征 | 第32-40页 |
| 3.1.1 自定义形状特征 | 第33-35页 |
| 3.1.2 Hu不变矩特征 | 第35-36页 |
| 3.1.3 方向梯度直方图特征 | 第36-40页 |
| 3.2 目标分类器 | 第40-43页 |
| 3.3 基于SVM的目标识别 | 第43-44页 |
| 3.3.1 样本库建立 | 第43-44页 |
| 3.3.2 分类器训练与识别评价 | 第44页 |
| 3.4 多场景人体目标识别实验与分析 | 第44-49页 |
| 3.4.1 测试集选取 | 第44-45页 |
| 3.4.2 基于单一目标的人体识别 | 第45-48页 |
| 3.4.3 基于混合目标的人体识别 | 第48-49页 |
| 3.5 基于红外目标的融合识别 | 第49-50页 |
| 3.6 本章小结 | 第50-52页 |
| 4 红外与可见光目标的图像融合决策 | 第52-60页 |
| 4.1 图像融合决策 | 第52-56页 |
| 4.1.1 图像融合原理 | 第52-53页 |
| 4.1.2 图像融合预处理 | 第53-55页 |
| 4.1.3 基于目标分割的图像融合决策 | 第55-56页 |
| 4.2 融合实验与分析 | 第56-59页 |
| 4.2.1 灰度融合实验 | 第56-57页 |
| 4.2.2 彩色融合实验 | 第57-58页 |
| 4.2.3 改进FD结构融合实验 | 第58-59页 |
| 4.3 本章小结 | 第59-60页 |
| 5 红外与可见光目标的融合探测软件设计 | 第60-66页 |
| 5.1 图形用户界面设计 | 第60-61页 |
| 5.2 红外与可见光图像模块 | 第61-62页 |
| 5.3 目标标识模块 | 第62-63页 |
| 5.4 图像融合模块 | 第63-64页 |
| 5.5 软件性能测试 | 第64-65页 |
| 5.6 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66-67页 |
| 6.2 研究展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录 | 第72页 |
