第一章 绪论 | 第1-9页 |
§1.1 论文研究的背景和现状 | 第7-8页 |
§1.2 本文的研究工作和意义 | 第8-9页 |
第二章 红外图像小目标检测算法的概要 | 第9-19页 |
§2.1 红外图像小目标的特性分析 | 第9-10页 |
§2.1.1 红外图像小目标的特点 | 第9页 |
§2.1.2 包含运动小目标的红外图像模型 | 第9-10页 |
§2.2 红外图像小目标检测的一些常用算法 | 第10-11页 |
§2.3 红外图像小目标检测的阈值算法 | 第11-13页 |
§2.3.1 直方图分割法 | 第12-13页 |
§2.3.2 ostu法 | 第13页 |
§2.4 基于边缘检测的小目标检测方法 | 第13-18页 |
§2.4.1 边缘检测 | 第14-15页 |
§2.4.2 边缘检测算子及性能分析 | 第15-18页 |
§2.5 小结 | 第18-19页 |
第三章 数值形态学基础 | 第19-31页 |
§3.1 数值形态学简介 | 第19页 |
§3.2 数值形态学的基本概念 | 第19-21页 |
§3.3 结构元素与并行局部变换 | 第21-22页 |
§3.4 数值形态学的基本运算 | 第22-25页 |
§3.5 灰度数值形态学的基本概念和运算 | 第25-27页 |
§3.6 数值形态学的性质 | 第27-29页 |
§3.7 小结 | 第29-31页 |
第四章 基于数值形态滤波的红外小目标检测算法 | 第31-47页 |
§4.1 引言 | 第31页 |
§4.2 目标检测算法分析 | 第31-33页 |
§4.3 背景预测算法介绍 | 第33-38页 |
§4.3.1 基于中值滤波算子的背景预测算法 | 第33-35页 |
§4.3.1.1 中值滤波算法介绍 | 第33-34页 |
§4.3.1.2 中值滤波背景预测的实现 | 第34-35页 |
§4.3.2 基于平滑滤波算子的背景预测算法 | 第35-37页 |
§4.3.3 基于形态Top-Hat算子的背景预测算法 | 第37-38页 |
§4.4 红外小目标检测算法模型 | 第38-44页 |
§4.4.1 红外图像预处理 | 第38-39页 |
§4.4.2 形态学Top-Hat变换滤波 | 第39-40页 |
§4.4.3 自适应阈值检测 | 第40-42页 |
§4.5.4 基于形态学Top-Hat变换滤波的单帧检测结果 | 第42-44页 |
§4.6 多帧图像的管道滤波检测 | 第44页 |
§4.7 小结 | 第44-47页 |
第五章 目标检测系统硬件实现 | 第47-65页 |
§5.1 系统功能描述 | 第47-49页 |
§5.2 数字信号处理器(DSP) | 第49-58页 |
§5.2.1 DSP芯片特点介绍 | 第49-50页 |
§5.2.2 TMS320VC5441的特性及应用 | 第50-58页 |
§5.2.2.1 系统结构及初始化配置 | 第50-52页 |
§5.2.2.2 数据空间的分配及寻址 | 第52-56页 |
§5.2.2.3 主机接口(HPI) | 第56-58页 |
§5.3 现场可编程门阵列(FPGA) | 第58-63页 |
§5.3.1 FPGA的系统功能描述 | 第59-60页 |
§5.3.2 FPGA的读写时序控制流程描述 | 第60-61页 |
§5.3.3 FPGA的读写时序控制功能实现 | 第61-63页 |
§5.4 小结 | 第63-65页 |
第六章 总结和展望 | 第65-67页 |
§6.1 本文的工作总结 | 第65-66页 |
§6.2 改进及对研究工作的展望 | 第66-67页 |
致谢 | 第67-69页 |
参考文献 | 第69-73页 |
研究生在读其间研究成果 | 第73页 |