空中平台大视场红外小目标实时探测技术研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 基于背景估计的小目标检测 | 第13-15页 |
| 1.2.2 基于对比度的小目标检测 | 第15页 |
| 1.2.3 其他小目标检测算法 | 第15-17页 |
| 1.3 本文研究内容与贡献 | 第17-20页 |
| 2 基于候选区域提取和对比度特征的实时目标检测 | 第20-47页 |
| 2.1 引言 | 第20-21页 |
| 2.2 候选区域提取 | 第21-27页 |
| 2.2.1 相关研究 | 第21-22页 |
| 2.2.2 基于背景估计的候选区域提取 | 第22-27页 |
| 2.3 局部对比度特征 | 第27-31页 |
| 2.3.1 常见的对比度特征 | 第27-30页 |
| 2.3.2 NTHC特征 | 第30-31页 |
| 2.4 结合几何特征提高性能 | 第31页 |
| 2.5 分类器 | 第31-32页 |
| 2.5.1 经验阈值分类器 | 第31-32页 |
| 2.5.2 其他分类器 | 第32页 |
| 2.6 MNWTH快速算法 | 第32-35页 |
| 2.6.1 实心矩形结构元素膨胀腐蚀快速算法 | 第33-34页 |
| 2.6.2 空心矩形结构元素膨胀腐蚀快速算法 | 第34-35页 |
| 2.7 实验与分析 | 第35-45页 |
| 2.7.1 实验数据集 | 第35页 |
| 2.7.2 抑制地物干扰 | 第35-44页 |
| 2.7.3 抑制云干扰 | 第44-45页 |
| 2.8 小结 | 第45-47页 |
| 3 结合背景类别预测抑制地物干扰 | 第47-67页 |
| 3.1 引言 | 第47页 |
| 3.2 相关研究 | 第47-48页 |
| 3.3 特征与分类器 | 第48-54页 |
| 3.3.1 通用特征 | 第48-50页 |
| 3.3.2 分类器 | 第50-54页 |
| 3.4 KMFEAT特征 | 第54-56页 |
| 3.5 分类器 | 第56-57页 |
| 3.6 实验与分析 | 第57-66页 |
| 3.6.1 实验数据集 | 第57-58页 |
| 3.6.2 KMFEAT参数选择 | 第58-59页 |
| 3.6.3 KMFEAT响应分析 | 第59-60页 |
| 3.6.4 背景类别预测性能对比 | 第60-64页 |
| 3.6.5 结合目标特性和背景类别预测 | 第64-66页 |
| 3.7 小结 | 第66-67页 |
| 4 基于深度卷积神经网络抑制云干扰 | 第67-88页 |
| 4.1 引言 | 第67页 |
| 4.2 卷积神经网络和深度学习 | 第67-74页 |
| 4.2.1 CNN的结构组成 | 第69-71页 |
| 4.2.2 CNN的经典结构 | 第71-72页 |
| 4.2.3 深度学习的关键技术 | 第72-74页 |
| 4.3 算法原理 | 第74-75页 |
| 4.3.1 网络结构 | 第74页 |
| 4.3.2 数据增强 | 第74-75页 |
| 4.4 实验与分析 | 第75-86页 |
| 4.4.1 实验数据集 | 第75页 |
| 4.4.2 模型实现 | 第75页 |
| 4.4.3 模型结构分析 | 第75-76页 |
| 4.4.4 模型性能分析 | 第76-83页 |
| 4.4.5 性能对比 | 第83-86页 |
| 4.5 小结 | 第86-88页 |
| 5 系统综合测试与分析 | 第88-102页 |
| 5.1 引言 | 第88页 |
| 5.2 测试数据集 | 第88-90页 |
| 5.3 系统模块测试分析 | 第90-92页 |
| 5.4 系统综合 | 第92-97页 |
| 5.4.1 逻辑“与”综合 | 第92-95页 |
| 5.4.2 模糊逻辑综合 | 第95-97页 |
| 5.5 目标检测难点分析总结 | 第97-99页 |
| 5.6 小结 | 第99-102页 |
| 6 总结与展望 | 第102-105页 |
| 6.1 全文总结 | 第102-103页 |
| 6.2 未来研究展望 | 第103-105页 |
| 参考文献 | 第105-111页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第111页 |
