| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 课题背景及研究意义 | 第7-8页 |
| 1.2 红外图像目标识别的研究内容 | 第8页 |
| 1.3 国内外研究现状 | 第8-9页 |
| 1.4 本文的主要工作 | 第9-11页 |
| 2 局部自适应核特征提取 | 第11-17页 |
| 2.1 二维LARK特征提取 | 第11-13页 |
| 2.2 基于LARK特征的目标识别系统 | 第13-14页 |
| 2.3 基于LARK的局部相似结构统计匹配模型的目标识别系统 | 第14-16页 |
| 2.4 本章小结 | 第16-17页 |
| 3 基于LARK和近邻结构匹配(NSRM)的识别系统 | 第17-32页 |
| 3.1 NSRM(neighboring structure reconstructed matching)方法概述 | 第17-18页 |
| 3.2 测试图像预处理 | 第18-20页 |
| 3.2.1 图像降噪处理 | 第18-19页 |
| 3.2.2 图像分割和显著性区域提取 | 第19-20页 |
| 3.3 LARK权值矩阵的计算 | 第20-21页 |
| 3.4 近邻结构关系特征(NSRM)的提取 | 第21-24页 |
| 3.4.1 目标函数优化问题 | 第21-22页 |
| 3.4.2 近邻结构关系矩阵的计算 | 第22-24页 |
| 3.5 权值矩阵降维 | 第24-26页 |
| 3.6 余弦值矩阵统计匹配 | 第26-28页 |
| 3.6.1 余弦值统计 | 第26-27页 |
| 3.6.2 相似度图像的生成 | 第27-28页 |
| 3.7 相似度图像的融合 | 第28-29页 |
| 3.8 非极大值抑制方法获取有效目标位置 | 第29-30页 |
| 3.9 本章小结 | 第30-32页 |
| 4 NSRM方法在多波段图像上的改进 | 第32-37页 |
| 4.1 NSRM方法在三维和多波段图像上的改进需要 | 第32页 |
| 4.2 三维LARK特征的计算方法 | 第32-33页 |
| 4.3 三维近邻结构关系特征的计算方法 | 第33-35页 |
| 4.4 多波段图像的NSRM目标检测系统 | 第35-36页 |
| 4.5 本章小结 | 第36-37页 |
| 5 实验测试与参数分析 | 第37-51页 |
| 5.1 检测系统软件环境 | 第37页 |
| 5.2 检测系统参数分析 | 第37-42页 |
| 5.2.1 模板集的建立及其相似结构阈值τ | 第37-38页 |
| 5.2.2 LARK窗口大小h_1和NSRM窗口大小h_2 | 第38-39页 |
| 5.2.3 LARK权值矩阵相似度阈值τ_1 | 第39页 |
| 5.2.4 近邻结构关系矩阵相似度阈值τ_2 | 第39-40页 |
| 5.2.5 非极大值抑制阈值μ | 第40-42页 |
| 5.2.6 NSRM方法的时间效率 | 第42页 |
| 5.3 测试结果 | 第42-50页 |
| 5.3.1 二维红外图像人体识别测试 | 第42-45页 |
| 5.3.2 二维红外车辆测试 | 第45-47页 |
| 5.3.3 彩色车辆测试 | 第47-50页 |
| 5.4 本章小结 | 第50-51页 |
| 6 结论与未来工作展望 | 第51-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |
