| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 红外小目标检测与跟踪算法简介 | 第11-15页 |
| 1.2.1 红外小目标检测技术现状 | 第11-14页 |
| 1.2.2 红外小目标跟踪技术现状 | 第14-15页 |
| 1.3 本文的主要内容及安排 | 第15-18页 |
| 第2章 红外小目标检测与跟踪算法简介 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 红外图像构成以及各部分特性 | 第18-19页 |
| 2.3 基于背景预测的红外小目标算法 | 第19-23页 |
| 2.3.1 TDLMS算法 | 第19-20页 |
| 2.3.2 基于低秩矩阵恢复的红外小目标检测算法 | 第20-23页 |
| 2.4 基于目标突出类的红外小目标检测算法 | 第23-25页 |
| 2.4.1 基于视觉显著性检测的红外小目标检算法 | 第23-24页 |
| 2.4.2 基于红外小目标类高斯特性的检测算法 | 第24-25页 |
| 2.5 基于online boosting的目标跟踪算法 | 第25-28页 |
| 第3章 基于图像秩分层的红外小目标检测算法 | 第28-36页 |
| 3.1 引言 | 第28页 |
| 3.2 基于图像秩分层的红外小目标检测算法 | 第28-31页 |
| 3.2.1 算法整体框架 | 第28-29页 |
| 3.2.2 矩阵的秩与奇异值分解 | 第29-30页 |
| 3.2.3 图像的信息熵 | 第30-31页 |
| 3.3 实验结果分析 | 第31-36页 |
| 第4章 基于facet模型的红外小目标检测算法 | 第36-46页 |
| 4.1 引言 | 第36页 |
| 4.2 基于facet模型的红外小目标检测算法 | 第36-42页 |
| 4.2.1 算法整体框架 | 第36页 |
| 4.2.2 基于facet模型的修正一阶方向导数 | 第36-39页 |
| 4.2.3 一阶方向导数融合 | 第39-41页 |
| 4.2.4 主成分分析 | 第41-42页 |
| 4.3 实验结果分析 | 第42-46页 |
| 第5章 基于邻域背景估计和KALMAN预测的红外小目标跟踪算法 | 第46-60页 |
| 5.1 引言 | 第46页 |
| 5.2 基于邻域背景估计和KALMAN预测的红外小目标跟踪算法 | 第46-49页 |
| 5.2.1 算法整体框架 | 第46-47页 |
| 5.2.2 邻域背景估计 | 第47-48页 |
| 5.2.3 KALMAN预测回顾 | 第48-49页 |
| 5.3 实验结果及分析 | 第49-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间的科研成果 | 第70页 |
