复杂背景下的红外小目标检测算法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的背景及意义 | 第10-12页 |
| 1.2 课题的研究现状 | 第12-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 1.5 本章小结 | 第16-18页 |
| 第2章 红外小目标图像预处理算法研究 | 第18-30页 |
| 2.1 红外小目标图像的特点 | 第18-19页 |
| 2.2 常用的红外小目标预处理方法 | 第19-25页 |
| 2.2.1 空间域图像预处理方法 | 第19-24页 |
| 2.2.2 频率域图像预处理方法 | 第24-25页 |
| 2.3 基于FACET模型的红外图像预处理方法 | 第25-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于傅里叶相位谱的红外小目标检测算法 | 第30-44页 |
| 3.1 常见的红外小目标检测算法研究 | 第30-34页 |
| 3.1.1 最大类间方差法 | 第30-31页 |
| 3.1.2 极大值检测法 | 第31-32页 |
| 3.1.3 谱残差检测法 | 第32-34页 |
| 3.2 傅里叶相位谱检测算法 | 第34-40页 |
| 3.2.1 显著性区域检测 | 第35页 |
| 3.2.2 傅里叶相位谱的意义 | 第35-38页 |
| 3.2.3 多通道显著图及融合 | 第38-40页 |
| 3.3 实验结果与分析 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 基于SVDD的红外小目标检测算法研究 | 第44-66页 |
| 4.1 SVDD的理论基础 | 第44-49页 |
| 4.1.1 SVDD原理 | 第45-47页 |
| 4.1.2 特征空间 | 第47-49页 |
| 4.2 小目标训练样本的生成 | 第49-53页 |
| 4.2.1 高斯灰度模型缺陷 | 第49-50页 |
| 4.2.2 改进高斯灰度模型 | 第50-53页 |
| 4.3 SVDD分类器识别小目标 | 第53-54页 |
| 4.4 SVDD分类器识别显著区域内小目标 | 第54-56页 |
| 4.5 仿真实验 | 第56-65页 |
| 4.5.1 实验评价标准 | 第56-57页 |
| 4.5.2 实验结果及分析 | 第57-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 工作总结 | 第66-67页 |
| 5.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者简介及在学期间所获得的科研成果 | 第72-74页 |
| 致谢 | 第74页 |
