红外序列图像中弱小目标检测方法研究

摘要	第1-7页
Abstract	第7-13页
第1章 绪论	第13-29页
·课题研究的背景、意义及来源	第13-14页
·红外弱小目标检测技术的有关概念和基本理论	第14-19页
·红外弱小目标定义	第14-15页
·红外弱小目标检测的基本理论	第15-18页
·红外弱小目标检测的难点	第18-19页
·红外弱小目标检测算法的研究现状与发展	第19-26页
·跟踪前检测算法	第19-22页
·检测前跟踪算法	第22-26页
·论文内容安排和主要研究成果	第26-29页
第2章 基于空域模型红外弱小目标的检测方法	第29-54页
·引言	第29页
·红外图像的空域模型和特性分析	第29-34页
·红外小目标场景图像的空域数学模型	第29-30页
·目标和背景特性分析	第30-34页
·基于小波分析的小目标检测方法理论	第34-46页
·小波变换和 Mallat算法	第34-36页
·信号奇异性检测理论	第36-43页
·阈值分割技术	第43-46页
·基于小波分析和管道滤波的多帧检测算法	第46-52页
·算法实现步骤	第46-51页
·仿真结果和分析	第51-52页
·本章小结	第52-54页
第3章 基于时域模型红外弱小目标的检测方法	第54-70页
·引言	第54页
·红外小目标场景图像的时域数学模型	第54-60页
·背景像素时域模型	第54-55页
·目标像素时域模型	第55页
·杂波像素时域模型	第55-56页
·基于一维小波变换的红外弱小目标检测算法	第56-60页
·基于灰度形态学背景抑制的红外弱小目标检测算法	第60-66页
·灰度形态学基础	第61-62页
·Top-Hat算子及性质	第62-63页
·结构元素的选取方法	第63-65页
·基于灰度形态学的红外弱小目标检测算法	第65-66页
·红外弱小目标时空域融合的检测算法	第66-68页
·算法实现步骤	第67-68页
·仿真结果和分析	第68页
·本章小结	第68-70页
第4章 贝叶斯滤波技术的研究	第70-106页
·引言	第70-71页
·递推贝叶斯滤波原理	第71-73页
·非线性动态系统的描述	第71页
·递推贝叶斯滤波原理	第71-72页
·状态估计方法	第72-73页
·蒙特卡罗积分	第73页
·粒子滤波的基本算法	第73-77页
·重要性采样	第73-74页
·序列重要性采样算法	第74-76页
·标准粒子滤波算法	第76-77页
·粒子滤波的退化现象及消除方法	第77-85页
·退化现象	第77-78页
·重采样	第78-83页
·重要性密度函数	第83-85页
·粒子滤波和扩展卡尔曼滤波算法仿真比较	第85-93页
·一维非线性、非高斯系统的仿真和结果分析	第85-88页
·二维方位跟踪的仿真和结果分析	第88-93页
·Unscented粒子滤波器	第93-100页
·U变换	第94-95页
·UKF算法	第95-97页
·UPF算法	第97-98页
·UPF改进算法	第98-100页
·UPF算法的仿真和结果分析	第100-102页
·UPF改进算法的仿真和结果分析	第102-104页
·本章小结	第104-106页
第5章 基于粒子滤波的检测前跟踪算法	第106-129页
·引言	第106-107页
·基于粒子滤波的TBD问题描述	第107-109页
·系统模型	第107页
·观测模型	第107-109页
·贝叶斯框架下TBD问题的解决思路	第109-122页
·基于粒子滤波的TBD算法实现过程	第110-112页
·基于粒子滤波的TBD算法仿真分析	第112-116页
·算法性能分析	第116-121页
·算法复杂度分析	第121-122页
·基于粒子滤波的红外弱小目标检测前跟踪算法	第122-127页
·算法方案	第122-123页
·算法流程	第123-125页
·仿真结果和分析	第125-127页
·本章小结	第127-129页
结论	第129-132页
参考文献	第132-141页
攻读博士学位期间发表的论文和取得的科研成果	第141-142页
致谢	第142-143页
个人简历	第143页