| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第1章 绪论 | 第14-34页 |
| ·课题的背景及研究目的和意义 | 第14-15页 |
| ·红外小目标图像的相关概念 | 第15-17页 |
| ·红外小目标图像预处理算法及其研究现状 | 第17-20页 |
| ·红外小目标检测算法及其研究现状 | 第20-28页 |
| ·先检测后跟踪（DBT）算法 | 第20-23页 |
| ·先跟踪后检测（TBD）算法 | 第23-28页 |
| ·红外小目标跟踪算法及其研究现状 | 第28-33页 |
| ·数据驱动类小目标跟踪算法 | 第29-30页 |
| ·模型驱动类小目标跟踪方法 | 第30-33页 |
| ·主要研究内容 | 第33-34页 |
| 第2章 红外小目标图像预处理算法研究 | 第34-67页 |
| ·引言 | 第34页 |
| ·红外小目标图像特征分析 | 第34-41页 |
| ·红外探测器成像特性分析 | 第35-36页 |
| ·小目标特性分析 | 第36-38页 |
| ·背景特性分析 | 第38-41页 |
| ·噪声特性分析 | 第41页 |
| ·红外小目标图像的特点 | 第41页 |
| ·基于数学形态学的背景抑制算法 | 第41-63页 |
| ·基于开Top-Hat变换的滤波算法 | 第42-43页 |
| ·基于单结构元素形态重构开Top-Hat算子的滤波算法 | 第43-46页 |
| ·基于多结构元素的形态重构开Top-Hat算子的滤波算法 | 第46-50页 |
| ·基于神经网络的形态重构开Top-Hat算子的滤波算法 | 第50-63页 |
| ·基于小波变换的小目标能量增强算法 | 第63-66页 |
| ·形态学Haar小波变换 | 第64-65页 |
| ·小波能量图像获取方法 | 第65页 |
| ·实验结果与分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第3章 红外小目标检测算法研究 | 第67-91页 |
| ·引言 | 第67页 |
| ·机载前视红外图像序列中小目标运动特性分析 | 第67-70页 |
| ·常用的DBT类小目标检测算法 | 第70-75页 |
| ·管道滤波法 | 第70-71页 |
| ·分层投票表决法 | 第71-74页 |
| ·图像流法 | 第74-75页 |
| ·基于Mean-Shift跟踪的小目标检测算法 | 第75-90页 |
| ·Mean-Shift跟踪算法基本原理 | 第76-82页 |
| ·全局运动补偿 | 第82-83页 |
| ·候选目标的提取 | 第83-85页 |
| ·伪目标的剔除 | 第85页 |
| ·算法步骤 | 第85-86页 |
| ·实验结果与分析 | 第86-90页 |
| ·本章小结 | 第90-91页 |
| 第4章 红外小目标跟踪算法研究 | 第91-112页 |
| ·引言 | 第91页 |
| ·基于贝叶斯滤波理论的目标跟踪算法 | 第91-97页 |
| ·贝叶斯滤波理论 | 第91-93页 |
| ·基于卡尔曼滤波的红外小目标跟踪算法 | 第93-97页 |
| ·基于多特征核密度估计的Mean-Shift跟踪算法 | 第97-105页 |
| ·基于灰度与局部加权灰度信息熵的目标模型 | 第98-99页 |
| ·匹配位置的计算 | 第99-100页 |
| ·目标模板更新策略 | 第100-102页 |
| ·算法步骤 | 第102页 |
| ·实验结果与分析 | 第102-105页 |
| ·MSEORTHO滤波与MFKDE-MS相结合的小目标跟踪算法 | 第105-111页 |
| ·MSEORTHO滤波图像的局部加权灰度信息熵特征 | 第105-106页 |
| ·算法步骤 | 第106-107页 |
| ·实验结果与分析 | 第107-111页 |
| ·本章小结 | 第111-112页 |
| 结论 | 第112-115页 |
| 参考文献 | 第115-126页 |
| 攻读学位期间发表的学术论文 | 第126-128页 |
| 致谢 | 第128-129页 |
| 个人简历 | 第129页 |
