基于空域稀疏性分析的小弱目标检测技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-17页 |
| ·课题背景及研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-15页 |
| ·基于滤波的小弱目标检测算法 | 第10-14页 |
| ·基于学习的小弱目标检测算法 | 第14-15页 |
| ·本文的主要工作及章节安排 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 2 稀疏表示理论 | 第17-27页 |
| ·稀疏表示理论基本原理 | 第17-20页 |
| ·欠定线性方程组的解 | 第17-18页 |
| ·l0 范数正则化约束 | 第18-19页 |
| ·P0 问题解的唯一性 | 第19-20页 |
| ·稀疏表示理论模型的求解方法 | 第20-22页 |
| ·贪婪算法 | 第20-21页 |
| ·松弛算法 | 第21-22页 |
| ·基于学习的超完备稀疏字典的构造 | 第22-26页 |
| ·MOD 算法 | 第23-24页 |
| ·K_SVD 算法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于多尺度稀疏字典的小弱目标检测 | 第27-38页 |
| ·图像的多尺度几何分析 | 第27-28页 |
| ·自适应多尺度稀疏字典的构造 | 第28-31页 |
| ·四叉树模型 | 第28-29页 |
| ·多尺度字典构造方法 | 第29-31页 |
| ·多尺度字典检测小弱目标算法原理 | 第31-32页 |
| ·实验结果及分析 | 第32-37页 |
| ·背景抑制实验 | 第32-34页 |
| ·目标检测实验 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于形态成分稀疏表示的小弱目标检测 | 第38-58页 |
| ·图像稀疏表示的形态成分分析 | 第38-40页 |
| ·MCA 算法理论模型 | 第38页 |
| ·MCA 数值优化算法 | 第38-40页 |
| ·形态成分字典 | 第40-51页 |
| ·高斯字典 | 第40-41页 |
| ·Gabor 字典 | 第41-42页 |
| ·离散 Gabor 感知多成分字典 | 第42-44页 |
| ·自适应形态成分字典 | 第44-45页 |
| ·几种字典的对比 | 第45-51页 |
| ·基于形态成分稀疏表示的小弱目标检测算法 | 第51-57页 |
| ·形态成分字典分类 | 第51-52页 |
| ·算法原理及步骤 | 第52-53页 |
| ·实验结果及分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| ·论文总结 | 第58-59页 |
| ·未来展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66页 |
| A. 作者在攻读学位期间取得的科研成果目录 | 第66页 |
| B. 作者在攻读学位期间发表的专利目录 | 第66页 |
