基于形态分量分析的红外目标检测
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究历史与现状 | 第11-16页 |
| 1.2.1 红外弱小目标检测 | 第12-14页 |
| 1.2.2 形态分量分析 | 第14-16页 |
| 1.3 本文主要研究内容及技术路线 | 第16-18页 |
| 1.4 论文的结构安排 | 第18-19页 |
| 第二章 红外图像预处理方法 | 第19-27页 |
| 2.1 红外图像增强算法 | 第19-21页 |
| 2.1.1 线性变换增强算法 | 第19-20页 |
| 2.1.2 直方图均衡增强算法 | 第20-21页 |
| 2.2 红外图像去噪算法 | 第21-26页 |
| 2.2.1 邻域平均去噪算法 | 第22-23页 |
| 2.2.2 中值滤波去噪算法 | 第23页 |
| 2.2.3 维纳滤波去噪算法 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 经典红外弱小目标检测方法 | 第27-43页 |
| 3.1 基于滤波的红外弱小目标检测算法 | 第27-34页 |
| 3.1.1 空域和频域滤波算法 | 第27-33页 |
| 3.1.2 形态学滤波算法 | 第33-34页 |
| 3.2 基于学习的红外弱小目标检测算法 | 第34-38页 |
| 3.3 红外目标检测的性能评价 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于稀疏表示的红外弱小目标检测 | 第43-57页 |
| 4.1 信号的稀疏表示模型 | 第43-45页 |
| 4.2 稀疏表示理论模型求解算法 | 第45-49页 |
| 4.2.1 基于贪婪算法的求解算法 | 第45-48页 |
| 4.2.2 基于凸松弛的求解算法 | 第48-49页 |
| 4.3 改进的基于SR的红外弱小目标检测 | 第49-56页 |
| 4.3.1 算法原理与步骤 | 第49-52页 |
| 4.3.2 实验结果分析 | 第52-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 基于形态分量分析的红外弱小目标检测 | 第57-76页 |
| 5.1 形态分量分析 | 第57-61页 |
| 5.1.1 盲源信号分离 | 第57-58页 |
| 5.1.2 形态分量分析理论模型 | 第58-61页 |
| 5.2 字典构造方法 | 第61-67页 |
| 5.2.1 基于解析数学的字典构造 | 第61-62页 |
| 5.2.2 基于学习的字典构造 | 第62-64页 |
| 5.2.3 改进的自适应形态分量字典构造 | 第64-67页 |
| 5.3 改进的基于MCA的红外弱小目标检测 | 第67-75页 |
| 5.3.1 算法原理与步骤 | 第68-70页 |
| 5.3.2 实验仿真结果分析 | 第70-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 全文总结与展望 | 第76-78页 |
| 6.1 全文总结 | 第76-77页 |
| 6.1.1 工作总结 | 第76页 |
| 6.1.2 本文创新点及主要贡献 | 第76-77页 |
| 6.2 后续工作展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间取得的成果 | 第84-85页 |
