模糊神经网络在图像微弱目标检测中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题背景及意义 | 第9-10页 |
| ·相关技术及国外研究现状 | 第10-14页 |
| ·本文的内容安排及创新 | 第14-16页 |
| 第二章 微弱目标检测中的背景抑制技术基础 | 第16-23页 |
| ·红外图像的数学描述 | 第16-18页 |
| ·微弱目标模型 | 第16-17页 |
| ·背景杂波模型 | 第17页 |
| ·噪声模型 | 第17-18页 |
| ·红外图像背景杂波抑制的性能评价方法 | 第18-19页 |
| ·目标局域信号杂波比增益检验 | 第18页 |
| ·残差图像噪声的正态性检验 | 第18-19页 |
| ·残差图像噪声的白化程度检验 | 第19页 |
| ·序列图像背景杂波的抑制方法 | 第19-23页 |
| ·非参数回归估计的线性空域滤波 | 第20-22页 |
| ·自适应的线性空域滤波 | 第22-23页 |
| 第三章 基于动态模糊神经网络的背静抑制技术 | 第23-44页 |
| ·动态模糊神经网络基础 | 第23页 |
| ·模糊系统 | 第23-28页 |
| ·模糊集 | 第24页 |
| ·模糊规则 | 第24-25页 |
| ·模糊推理系统 | 第25-28页 |
| ·模糊系统作为非线性性逼近 | 第28页 |
| ·神经网络 | 第28-30页 |
| ·神经网络的特性 | 第28-29页 |
| ·人工神经网络基本模型 | 第29-30页 |
| ·动态模糊神经网络的结构 | 第30-32页 |
| ·动态模糊神经网络的学习算法 | 第32-37页 |
| ·规则产生准则 | 第32-33页 |
| ·分级学习思想 | 第33页 |
| ·前提参数分配 | 第33页 |
| ·结果参数确定 | 第33-35页 |
| ·动态模糊神经网络训练基本流程 | 第35-37页 |
| ·图像的二值分割 | 第37-38页 |
| ·基于灰度值统计的阈值分割 | 第37页 |
| ·基于图像灰度值自适应分割法 | 第37-38页 |
| ·基于过门限率和过门限像素分割方法 | 第38页 |
| ·仿真结果 | 第38-44页 |
| ·杂波抑制试验结果 | 第39-40页 |
| ·残留噪声白化程度检验 | 第40-41页 |
| ·性能检验 | 第41-42页 |
| ·经过阈值处理后的图像对比图 | 第42-44页 |
| 第四章 基于目标运动连续性和方向性的轨迹跟踪算法 | 第44-58页 |
| ·目标轨迹跟踪算法 | 第44-48页 |
| ·基于最小二乘法的轨迹检测算法 | 第44-47页 |
| ·管道滤波 | 第47-48页 |
| ·使用时空域智能管道标记的拟合跟踪方法 | 第48-54页 |
| ·时空域智能管道标记拟合跟踪算法 | 第48-53页 |
| ·递推时空域智能标记跟踪算法 | 第53-54页 |
| ·仿真结果分析 | 第54-58页 |
| ·集成检测性能以及相关参数的分析 | 第54-55页 |
| ·允许连续漏报的分析 | 第55-56页 |
| ·实验结果图 | 第56-58页 |
| 第五章 结论与展望 | 第58-60页 |
| ·本文工作总结 | 第58页 |
| ·研究展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 攻读硕士期间取得的研究成果 | 第63-64页 |
