摘要 | 第1-4页 |
ABSTRACT | 第4-5页 |
目录 | 第5-9页 |
第一章 绪论 | 第9-15页 |
1.1 研究背景和意义 | 第9-10页 |
1.2 国内外发展状况 | 第10-13页 |
1.2.1 基于人跟视觉的红外成像系统性能模型 | 第10-12页 |
1.2.2 基于机器视觉的红外成像系统性能模型 | 第12-13页 |
1.3 本文的研究内容 | 第13-15页 |
1.3.1 课题来源 | 第13页 |
1.3.2 研究内容 | 第13页 |
1.3.3 内容结构 | 第13-14页 |
1.3.4 主要特点 | 第14-15页 |
第二章 红外背景杂波的量化描述 | 第15-39页 |
2.1 基本概念 | 第15-17页 |
2.1.1 红外背景杂波的基本概念 | 第15-16页 |
2.1.2 量化描述背景杂波的意义 | 第16页 |
2.1.3 杂波量化尺度的基本要求 | 第16-17页 |
2.1.4 杂波量化尺度验证的一般过程 | 第17页 |
2.2 背景杂波量化尺度的引入 | 第17-19页 |
2.2.1 统计方差(SV)尺度的基本概念 | 第18页 |
2.2.2 SV尺度对经典NVESD模型的修正 | 第18页 |
2.2.3 SV尺度的优缺点 | 第18-19页 |
2.3 背景杂波量化尺度的分类 | 第19-20页 |
2.3.1 人眼视觉的基本特性 | 第19-20页 |
2.3.2 背景杂波量化尺度的分类 | 第20页 |
2.4 与目标特性无关的整体背景杂波尺度 | 第20-23页 |
2.4.1 基于灰度级图像的整体杂波尺度 | 第21-22页 |
2.4.2 基于边缘滤波图像的整体杂波尺度 | 第22-23页 |
2.5 与目标特性无关整体背景杂波尺度的分析比较 | 第23-27页 |
2.5.1 基于NVESD合成图像数据库的验证分析 | 第24-25页 |
2.5.2 基于休斯飞机公司图像数据库的验证分析 | 第25-27页 |
2.6 依赖于目标特性的整体背景杂波尺度 | 第27-30页 |
2.7局部背景杂波衡量尺度—目标的局部对比度 | 第30-34页 |
2.7.1 目标复杂性TC | 第31-32页 |
2.7.2 DOLYE尺度 | 第32-34页 |
2.8 基于机器视觉的背景杂波量化尺度—PSD模型 | 第34-37页 |
2.8.1 视器视觉中红外背景杂波量化基本原理 | 第34页 |
2.8.2 机器视觉中红外背景杂波量化技术分析 | 第34-37页 |
2.8.3 结论 | 第37页 |
2.9 本章小结 | 第37-39页 |
第三章 背景杂波对经典人眼目标获取性能模型的修正 | 第39-60页 |
3.1 引言 | 第39-40页 |
3.2 目标获取中的基本概念 | 第40-41页 |
3.3 NVESD目标获取性能模型 | 第41-50页 |
3.3.1 NVESD模型的基本发展过程 | 第41-43页 |
3.3.2 NVESD模型中的一些基本概念 | 第43-46页 |
3.3.3 静态性能模型 | 第46-48页 |
3.3.4 动态搜索性能模型 | 第48-50页 |
3.4 NVESD目标获取模型的改进 | 第50-54页 |
3.4.1 目标背景特性对NVESD目标获取性能的已有修正方法 | 第51-52页 |
3.4.2 背景杂波对NVESD目标获取性能的修正新方法 | 第52-54页 |
3.5 仿真计算结果与分析 | 第54-60页 |
3.5.1 仿真结果 | 第55-58页 |
3.5.2 仿真结果分析 | 第58-60页 |
第四章 背景杂波对机器视觉成像系统探测性能的修正 | 第60-68页 |
4.1 引言 | 第60-61页 |
4.2 机器视觉红外成像系统的基本组成 | 第61-64页 |
4.2.1 基于机器视觉的红外成像系统性能评估模型框架 | 第61页 |
4.2.2 基本思想 | 第61-62页 |
4.2.3 目标与背景杂波量化模型 | 第62页 |
4.2.4 图像处理算法模块 | 第62-64页 |
4.3 包含背景杂波效应的的目标探测性能模型 | 第64-67页 |
4.3.1 探测性能模型的数学建模 | 第64-65页 |
4.3.2 具体系统的信号干扰比数学模型 | 第65-66页 |
4.3.3 计算实例 | 第66-67页 |
4.4 本章小结 | 第67-68页 |
第五章 结束语 | 第68-70页 |
致谢 | 第70-71页 |
参考文献 | 第71-76页 |
在读期间的研究成果 | 第76-77页 |
附录A:以色列图像数据库 | 第77-79页 |
附录B:休斯飞机公司图像数据库 | 第79-81页 |