摘要 | 第1-5页 |
ABSTRACT | 第5-12页 |
第一章 绪论 | 第12-18页 |
·红外小目标检测的研究意义与特点 | 第12-13页 |
·红外小目标检测的国内外研究概况 | 第13-16页 |
·本文的主要内容以及创新点 | 第16-18页 |
·本文的主要内容 | 第16-17页 |
·本文的主要创新点 | 第17-18页 |
第二章 基于CONTOURLET 变换和NSCT 变换的红外小目标检测 | 第18-29页 |
·引言 | 第18页 |
·CONTOURLET 变换 | 第18-21页 |
·Contourlet 变换概述 | 第18-19页 |
·LP 变换 | 第19-20页 |
·方向滤波(DFB) | 第20-21页 |
·塔形方向滤波器组(PDFB) | 第21页 |
·基于CONTOURLET 变换的红外小目标检测算法 | 第21-24页 |
·小目标检测算法 | 第21-23页 |
·实验结果分析 | 第23-24页 |
·基于NSCT 变换的红外小目标检测算法 | 第24-28页 |
·无下采样Contourlet 变换(NSCT) | 第24-26页 |
·实验结果分析 | 第26-28页 |
·本章小结 | 第28-29页 |
第三章 基于CONTOURLET 变换和形态学的红外小目标检测 | 第29-35页 |
·CONTOURLET 变换去噪算法 | 第29-31页 |
·阈值去噪 | 第29页 |
·尺度间相关去噪 | 第29-31页 |
·数学形态学 | 第31-32页 |
·腐蚀和膨胀 | 第31页 |
·开运算和闭运算 | 第31页 |
·Top-Hat 形态滤波 | 第31-32页 |
·检测步骤 | 第32页 |
·实验结果与分析 | 第32-34页 |
·本章小结 | 第34-35页 |
第四章 基于最小一乘与混沌粒子群的红外小目标检测 | 第35-44页 |
·引言 | 第35-36页 |
·混沌粒子群优化算法 | 第36-38页 |
·基本粒子群算法(PSO) | 第36页 |
·PSO 早熟现象的判定 | 第36-37页 |
·混沌搜索机制 | 第37-38页 |
·混沌粒子群优化算法 | 第38页 |
·最小一乘背景预测模型 | 第38-40页 |
·空域背景预测的思想 | 第38-39页 |
·最小一乘背景预测算法 | 第39-40页 |
·二维TSALLIS-HAVRDA-CHARVAT 熵阈值分割与目标连续性检测 | 第40-41页 |
·二维Tsallis-Havrda-Charvat 熵阈值分割 | 第40页 |
·运动的连续性和一致性检测红外小目标 | 第40-41页 |
·实验结果与分析 | 第41-43页 |
·本章小结 | 第43-44页 |
第五章 基于最小二乘支持向量机与混沌粒子群的红外小目标检测 | 第44-52页 |
·引言 | 第44-45页 |
·最小二乘支持向量机的原理 | 第45-46页 |
·时域背景预测 | 第46-47页 |
·时域背景预测的基本思想 | 第46-47页 |
·时域背景预测的最小二乘支持向量机 | 第47页 |
·利用混沌粒子群算法优选核参数和惩罚系数 | 第47-48页 |
·实验结果与分析 | 第48-51页 |
·本章小结 | 第51-52页 |
第六章 基于独立分量分析和混沌粒子群的红外小目标检测 | 第52-62页 |
·引言 | 第52页 |
·独立分量分析算法 | 第52-54页 |
·ICA 定义 | 第52-53页 |
·独立性定义 | 第53页 |
·ICA 和投影法 | 第53-54页 |
·ICA 估计原理 | 第54-58页 |
·非高斯的最大化 | 第54-56页 |
·互信息的最小化 | 第56-57页 |
·最大似然函数估计 | 第57-58页 |
·红外小目标检测与背景分离 | 第58-59页 |
·适应度函数的选取 | 第58页 |
·初始化和约束条件的满足 | 第58页 |
·算法实现的具体步骤 | 第58-59页 |
·实验结果与分析 | 第59-61页 |
·本章小结 | 第61-62页 |
第七章 总结与展望 | 第62-65页 |
·本文的主要工作 | 第62-63页 |
·进一步的研究工作 | 第63-65页 |
参考文献 | 第65-71页 |
致谢 | 第71-72页 |
在学期间的研究成果及发表的学术论文 | 第72页 |