首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于空时显著性的红外弱小目标检测

摘要第5-6页
abstract第6-7页
第一章 绪论第10-21页
    1.1 课题研究背景及意义第10-12页
    1.2 国内外研究现状第12-19页
        1.2.1 视觉显著性第13-15页
        1.2.2 张量分解第15-17页
        1.2.3 红外弱小目标检测第17-19页
    1.3 本文研究内容和技术路线第19-20页
    1.4 论文结构安排第20-21页
第二章 频域变换和频域显著性检测模型第21-34页
    2.1 频域变换第21-27页
        2.1.1 离散傅里叶变换第21-24页
        2.1.2 四元组傅里叶变换第24-25页
        2.1.3 余弦变换第25-26页
        2.1.4 四元余弦变换第26-27页
    2.2 频域显著性检测模型第27-33页
        2.2.1 残余频谱和相位谱傅里叶变换第27-29页
        2.2.2 四元组相位谱傅里叶变换第29-30页
        2.2.3 四元组余弦变换第30-31页
        2.2.4 频域尺度空间分析第31-33页
    2.3 本章小结第33-34页
第三章 基于四元组相位谱傅里叶变换的红外弱小目标检测第34-50页
    3.1 基于四元组变换的红外弱小目标检测第34-35页
    3.2 基于多特征四元组的红外弱小目标检测第35-44页
        3.2.1 基本流程及思路第35-36页
        3.2.2 二阶方向导数滤波器第36-37页
        3.2.3 多特征四元组的构建第37页
        3.2.4 算法具体步骤第37-38页
        3.2.5 实验结果和分析第38-44页
    3.3 基于图像分块的红外弱小目标检测第44-49页
        3.3.1 基本流程及思路第44-45页
        3.3.2 候选区域选择第45-46页
        3.3.3 算法具体步骤第46-47页
        3.3.4 实验结果和分析第47-49页
    3.4 本章小结第49-50页
第四章 基于张量分解的红外弱小目标检测第50-65页
    4.1 图像的矩阵分解第50-55页
        4.1.1 矩阵分解建模第50-53页
        4.1.2 矩阵分解的模型求解第53-55页
    4.2 张量和张量运算第55-56页
        4.2.1 张量基础第55-56页
        4.2.2 张量运算第56页
    4.3 基于张量恢复的红外弱小目标检测第56-60页
        4.3.1 红外视频的张量建模第57-58页
        4.3.2 张量分解的模型求解第58-60页
    4.4 实验结果和分析第60-64页
    4.5 本章小结第64-65页
第五章 总结和展望第65-67页
    5.1 本文工作总结第65-66页
        5.1.1 论文主要工作第65-66页
        5.1.2 论文创新点及主要贡献第66页
    5.2 工作展望第66-67页
致谢第67-68页
参考文献第68-76页
攻硕期间取得的研究成果第76-77页

论文共77页,点击 下载论文
上一篇:基于MongoDB的非结构化数据管理的研究与应用
下一篇:面向无人机巡航应用的场景变化视觉检测方法