| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 红外图像预处理算法研究现状 | 第11-13页 |
| 1.2.2 红外小目标检测算法研究现状 | 第13-15页 |
| 1.3 论文组织结构 | 第15-18页 |
| 第二章 尺度自适应小目标检测 | 第18-40页 |
| 2.1 红外图像特征分析 | 第19-22页 |
| 2.1.1 小目标特征 | 第19-20页 |
| 2.1.2 背景特征 | 第20-22页 |
| 2.1.3 噪声特征 | 第22页 |
| 2.2 斑块检测的经典算法 | 第22-25页 |
| 2.2.1 分水岭算法 | 第23-24页 |
| 2.2.2 微分检测器 | 第24-25页 |
| 2.3 尺度空间下的小目标检测算法 | 第25-36页 |
| 2.3.1 固定尺度检测算法的不足 | 第25-26页 |
| 2.3.2 尺度空间原理 | 第26-28页 |
| 2.3.3 基于TM-SCR和DoG尺度空间的小目标检测 | 第28-31页 |
| 2.3.4 基于CenSurE尺度空间的快速小目标检测 | 第31-36页 |
| 2.4 实验结果与分析 | 第36-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第三章 运动小目标检测 | 第40-56页 |
| 3.1 时空域联合能量累积 | 第40-44页 |
| 3.2 慢速运动小目标的管道滤波算法 | 第44-50页 |
| 3.2.1 邻域判决法 | 第45-46页 |
| 3.2.2 改进的管道滤波 | 第46-50页 |
| 3.3 运动小目标的光流分析法 | 第50-53页 |
| 3.4 实验结果与分析 | 第53-54页 |
| 3.5 本章小结 | 第54-56页 |
| 第四章 基于统计特征的小目标检测 | 第56-70页 |
| 4.1 预处理与特征提取 | 第56-59页 |
| 4.2 Adaboost算法原理 | 第59-63页 |
| 4.3 GentleAdaboost分类算法 | 第63-67页 |
| 4.3.1 构造决策树桩 | 第64-65页 |
| 4.3.2 非均衡分类问题处理方法 | 第65-67页 |
| 4.4 实验结果与分析 | 第67-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 作者硕士期间发表论文 | 第78页 |