低空空域无人机红外图像检测技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18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12-15页 |
| 1.2.1 红外小目标检测研究现状 | 第12-15页 |
| 1.2.2 红外小目标检测面临的问题 | 第15页 |
| 1.3 课题主要研究内容 | 第15-16页 |
| 1.4 论文的结构安排 | 第16-18页 |
| 第二章 红外小目标图像分析及相关预处理方法 | 第18-29页 |
| 2.1 红外和可见光图像差异 | 第19页 |
| 2.2 红外图像特性分析 | 第19-22页 |
| 2.2.1 背景特性 | 第19-21页 |
| 2.2.2 噪声特性 | 第21页 |
| 2.2.3 弱小目标特性 | 第21-22页 |
| 2.3 常见的预处理方法 | 第22-27页 |
| 2.3.1 高通滤波 | 第22-24页 |
| 2.3.2 中值滤波 | 第24页 |
| 2.3.3 最大中值滤波 | 第24-27页 |
| 2.3.4 常用指标 | 第27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 改进Top-hat的背景抑制算法 | 第29-41页 |
| 3.1 形态学滤波的红外小目标检测算法 | 第29-34页 |
| 3.1.1 二值形态学 | 第29-32页 |
| 3.1.2 经典形态学Top-hat形态学运算 | 第32页 |
| 3.1.3 形态学结构元素的选取规则 | 第32-34页 |
| 3.2 软形态学Top-hat算子 | 第34-36页 |
| 3.3 改进的软形态学Top-hat算子 | 第36-39页 |
| 3.4 效果对比 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于分数阶微分的红外小目标显著性检测 | 第41-61页 |
| 4.1 分数阶微分 | 第41-46页 |
| 4.1.1 分数阶微积分的基本定义 | 第41-42页 |
| 4.1.2 分数阶微分对信号的作用 | 第42-43页 |
| 4.1.3 分数阶在图像领域的应用 | 第43-44页 |
| 4.1.4 分数阶微分滤波器的构造 | 第44-46页 |
| 4.2 显著性检测的目标提取 | 第46-50页 |
| 4.2.1 显著性检测 | 第46-48页 |
| 4.2.2 结合分数阶微分的显著性检测算法 | 第48-49页 |
| 4.2.3 实验对比 | 第49-50页 |
| 4.3 改进的阈值选取方法 | 第50-55页 |
| 4.3.1 基于DOG算子的阈值分割方法 | 第50-52页 |
| 4.3.2 基于熵的阈值分割方法 | 第52-55页 |
| 4.4 多帧信息确认 | 第55-60页 |
| 4.4.1 质心选取 | 第56-57页 |
| 4.4.2 管道滤波流程 | 第57-59页 |
| 4.4.3 管道滤波结果对比 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 算法效果测试与分析 | 第61-72页 |
| 5.1 算法平台介绍 | 第61页 |
| 5.2 本文算法视频集的设计 | 第61-62页 |
| 5.3 本文算法性能评估与效果测试 | 第62-66页 |
| 5.3.1 天空背景测试 | 第62-63页 |
| 5.3.2 树木背景测试 | 第63-65页 |
| 5.3.3 建筑物背景测试 | 第65-66页 |
| 5.4 本文算法与其他算法对比 | 第66-69页 |
| 5.5 本文算法结果分析 | 第69-71页 |
| 5.6 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 研究工作总结 | 第72-73页 |
| 6.2 未来工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表论文目录 | 第80页 |
