红外图像目标检测方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题背景及研究意义 | 第7页 |
| ·国内外红外目标检测技术的研究现状 | 第7-9页 |
| ·论文的主要工作和章节安排 | 第9-11页 |
| 第二章 红外图像的增强 | 第11-19页 |
| ·红外图像的特点 | 第11-12页 |
| ·空间域滤波 | 第12-16页 |
| ·直方图均衡化 | 第12-15页 |
| ·空间滤波器 | 第15-16页 |
| ·Top-hat 形态学滤波 | 第16-17页 |
| ·膨胀和腐蚀 | 第16页 |
| ·开运算和闭运算 | 第16-17页 |
| ·基于Top-hat 形态学滤波的图像增强算法 | 第17-18页 |
| ·小结 | 第18-19页 |
| 第三章 经典的图像分割算法 | 第19-33页 |
| ·边缘分割法 | 第19-24页 |
| ·传统的边缘检测算子法 | 第19-21页 |
| ·形态学边缘检测算子法 | 第21页 |
| ·实验结果及分析 | 第21-24页 |
| ·区域分割法 | 第24-26页 |
| ·区域生长法 | 第24页 |
| ·实验结果及分析 | 第24-26页 |
| ·门限分割法 | 第26-32页 |
| ·独立峰法 | 第26-27页 |
| ·最大熵法 | 第27-28页 |
| ·最大类间方差法 | 第28-30页 |
| ·实验结果及分析 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第四章 基于多特征融合的图像分割算法 | 第33-51页 |
| ·感兴趣区域检测 | 第33-36页 |
| ·基于灰度特征的ROI 检测 | 第33-34页 |
| ·基于边缘特征的ROI 检测 | 第34-36页 |
| ·基于多特征融合的图像分割 | 第36-46页 |
| ·基于最大类间方差的种子点提取 | 第36-38页 |
| ·基于Canny 与形态学的边缘提取 | 第38-41页 |
| ·基于区域生长的图像分割 | 第41-42页 |
| ·基于多特征融合的区域合并 | 第42-44页 |
| ·算法步骤 | 第44-46页 |
| ·实验结果及分析 | 第46-50页 |
| ·小结 | 第50-51页 |
| 第五章 基于胡氏不变矩与几何特征的红外目标识别 | 第51-61页 |
| ·目标识别的概述 | 第51-53页 |
| ·图像特征提取 | 第53-55页 |
| ·胡氏不变矩 | 第53-54页 |
| ·几何特征 | 第54-55页 |
| ·基于胡氏不变矩与几何特征的红外目标识别 | 第55-56页 |
| ·标准特征值和距离门限的训练 | 第55-56页 |
| ·基于胡氏不变矩和几何特征的目标识别算法步骤 | 第56页 |
| ·实验结果及分析 | 第56-60页 |
| ·小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·全文总结 | 第61-62页 |
| ·未来展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 作者在读期间研究成果 | 第69-70页 |
