红外图像中目标识别技术的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究的背景及意义 | 第10-11页 |
| ·红外目标识别系统的框架 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·论文的组织结构 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第2章 红外图像去噪及分割 | 第15-32页 |
| ·常用的红外图像去噪方法 | 第15-18页 |
| ·中值滤波 | 第15-16页 |
| ·均值滤波 | 第16-17页 |
| ·高斯滤波 | 第17-18页 |
| ·常用的红外图像分割方法 | 第18-23页 |
| ·阈值法 | 第19-20页 |
| ·边缘检测法 | 第20-22页 |
| ·基于区域的分割方法 | 第22-23页 |
| ·基于马尔科夫随机场(MRF)模型的图像分割 | 第23-31页 |
| ·马尔科夫随机场模型与图像分割 | 第23-27页 |
| ·结合加权信息熵的 MRF 模型图像分割 | 第27-29页 |
| ·改进的方差加权信息熵与 MRF 红外图像分割 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 红外图像目标特征提取 | 第32-42页 |
| ·几何特征 | 第32-34页 |
| ·不变矩特征 | 第34-36页 |
| ·梯度方向直方图特征 | 第36-39页 |
| ·降维的 HOG 特征 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 红外图像中目标分类识别 | 第42-48页 |
| ·最小距离的方法 | 第42-43页 |
| ·人工神经网络的方法 | 第43-44页 |
| ·支持向量机的方法 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 系统实现与结果分析 | 第48-55页 |
| ·实验条件需求 | 第48-49页 |
| ·实验结果与分析 | 第49-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士期间发表(含录用)的学术论文 | 第61页 |