| 第1章 绪论 | 第1-13页 |
| 1．1 引言 | 第8-9页 |
| 1．2 运动小目标检测系统原理 | 第9-10页 |
| 1．3 小目标检测技术的研究现状 | 第10-11页 |
| 1．4 本文的主要研究内容 | 第11-13页 |
| 第2章 红外起伏背景的统计特性分析 | 第13-19页 |
| 2．1 引言 | 第13页 |
| 2．2 红外图像的数学描述 | 第13-14页 |
| 2．3 红外起伏背景的统计特性 | 第14-16页 |
| 2．3．1 背景图像的广义平稳特性 | 第14-15页 |
| 2．3．2 起伏背景的高斯分布特性 | 第15-16页 |
| 2．4 起伏背景的空间相关长度计算 | 第16-17页 |
| 2．5 本章小结 | 第17-19页 |
| 第3章 基于空间匹配滤波的红外背景抑制技术 | 第19-39页 |
| 3．1 引言 | 第19-20页 |
| 3．2 几种典型的背景抑制算法 | 第20-22页 |
| 3．2．1 二维最小均方误差滤波 | 第20页 |
| 3．2．2 中值滤波器 | 第20-21页 |
| 3．2．3 基于神经网络的滤波技术 | 第21页 |
| 3．2．4 基于 Top-hat变换的数学形态学滤波 | 第21-22页 |
| 3．3 传统的空间匹配滤波算法 | 第22-26页 |
| 3．3．1 算法原理 | 第22-23页 |
| 3．3．2 性能验证 | 第23-26页 |
| 3．4 对空间匹配滤波算法的改进 | 第26-29页 |
| 3．4．1 传统空间匹配滤波算法存在的问题 | 第26-27页 |
| 3．4．2 对空间匹配滤波算法的进一步分析 | 第27-28页 |
| 3．4．3 改进的组合式空间匹配滤波算法 | 第28-29页 |
| 3．5 实验及结果分析 | 第29-33页 |
| 3．5．1 实验条件 | 第29-30页 |
| 3．5．2 实验结果 | 第30-31页 |
| 3．5．3 算法性能比较 | 第31-32页 |
| 3．5．4 实验结论 | 第32-33页 |
| 3．6 自适应阈值分割 | 第33-38页 |
| 3．7 本章小结 | 第38-39页 |
| 第4章 基于图像序列的红外运动小目标检测 | 第39-51页 |
| 4．1 引言 | 第39-40页 |
| 4．2 常用的运动小目标检测方法回顾 | 第40-43页 |
| 4．2．1 基于三维匹配滤波的检测方法 | 第40页 |
| 4．2．2 基于投影变换的检测方法 | 第40页 |
| 4．2．3 基于全局搜索的目标检测方法 | 第40-41页 |
| 4．2．4 基于马尔可夫变换的检测算法 | 第41页 |
| 4．2．5 多级假设检验法 | 第41页 |
| 4．2．6 基于最优原理的动态规划法 | 第41-42页 |
| 4．2．7 高阶运动相关法 | 第42页 |
| 4．2．8 相位信息法 | 第42-43页 |
| 4．3 基于邻域判决的红外运动小目标检测技术 | 第43-48页 |
| 4．3．1 质心选取 | 第43-46页 |
| 4．3．2 邻域判决 | 第46-48页 |
| 4．4 实验及结果分析 | 第48-50页 |
| 4．4．1 实验结果 | 第48-49页 |
| 4．4．2 实验结果分析 | 第49-50页 |
| 4．5 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |