| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 引言 | 第15页 |
| 1.2 研究课题的背景及意义 | 第15-16页 |
| 1.3 红外小目标检测技术的研究现状 | 第16-18页 |
| 1.4 论文研究内容及安排 | 第18-21页 |
| 第二章 红外图像特征分析 | 第21-35页 |
| 2.1 引言 | 第21页 |
| 2.2 红外图像模型 | 第21-24页 |
| 2.2.1 背景信号 | 第22页 |
| 2.2.2 噪声信号 | 第22-23页 |
| 2.2.3 目标信号 | 第23-24页 |
| 2.3 实际红外图像分析 | 第24-26页 |
| 2.4 小目标检测中的常用技术 | 第26-33页 |
| 2.4.1 背景抑制方法 | 第26-32页 |
| 2.4.2 图像增强方法 | 第32-33页 |
| 2.4.3 图像分割方法 | 第33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 基于显著性的加权局部熵背景处理 | 第35-61页 |
| 3.1 引言 | 第35页 |
| 3.2 图像显著性分析 | 第35-43页 |
| 3.2.1 Itti算法 | 第35-37页 |
| 3.2.2 GBVS算法 | 第37-38页 |
| 3.2.3 剩余频谱SR算法 | 第38-43页 |
| 3.3 基于加权局部熵的背景处理 | 第43-52页 |
| 3.3.1 图像信息熵的概念 | 第44页 |
| 3.3.2 图像的局部信息熵 | 第44-45页 |
| 3.3.3 基于加权局部信息熵的背景预处理方法 | 第45-52页 |
| 3.4 比较与分析 | 第52-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第四章 多阶段的红外小目标检测算法 | 第61-83页 |
| 4.1 引言 | 第61页 |
| 4.2 尺度空间理论 | 第61-63页 |
| 4.3 图像多尺度表示 | 第63-70页 |
| 4.3.1 金字塔算法 | 第63-64页 |
| 4.3.2 高斯金字塔算法 | 第64-66页 |
| 4.3.3 高斯金字塔在红外小目标图像中使用的合理性分析 | 第66-70页 |
| 4.4 多阶段的小目标检测算法 | 第70-77页 |
| 4.5 算法性能比较 | 第77-80页 |
| 4.5.1 与Sheng方法的比较 | 第78-80页 |
| 4.5.2 检测率与虚警率 | 第80页 |
| 4.6 本章小结 | 第80-83页 |
| 第五章 总结与展望 | 第83-85页 |
| 5.1 主要工作 | 第83页 |
| 5.2 研究展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-90页 |
| 作者简介 | 第90-91页 |