| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11页 |
| 1.2 国内外研究进展及主要研究问题 | 第11-15页 |
| 1.2.1 红外图像预处理方法的国内外发展现状 | 第12-13页 |
| 1.2.2 红外弱小多目标检测方法的国内外发展现状 | 第13-14页 |
| 1.2.3 红外弱小多目标跟踪方法的国内外发展现状 | 第14-15页 |
| 1.2.4 红外弱小多目标实时处理的技术难点 | 第15页 |
| 1.3 本文的研究内容及章节安排 | 第15-17页 |
| 第二章 实时图像处理平台 | 第17-21页 |
| 2.1 红外图像实时处理平台 | 第17-18页 |
| 2.2 基于FPGA+DSP的图像处理单元 | 第18-19页 |
| 2.3 软件总体功能分析 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 红外弱小多目标图像预处理方法研究 | 第21-32页 |
| 3.1 弱小多目标成像特点 | 第21页 |
| 3.2 红外图像背景和噪声分析 | 第21-23页 |
| 3.3 红外弱小多目标图像预处理方法研究 | 第23-31页 |
| 3.3.1 红外弱小多目标图像去噪方法研究 | 第23-25页 |
| 3.3.2 图像背景抑制 | 第25-31页 |
| 3.3.2.1 经典背景估计技术 | 第25-27页 |
| 3.3.2.2 改进的形态学背景抑制方法 | 第27-28页 |
| 3.3.2.3 背景抑制算法性能分析 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 红外弱小多目标检测方法研究 | 第32-42页 |
| 4.1 弱小目标检测主要方法 | 第32-35页 |
| 4.1.1 最大类间方差法 | 第32-33页 |
| 4.1.2 视觉显著性检测方法 | 第33-34页 |
| 4.1.3 动态规划法 | 第34-35页 |
| 4.2 基于尺度空间的各向差异度红外弱小多目标检测 | 第35-39页 |
| 4.2.1 拉普拉斯高斯尺度空间理论 | 第35-36页 |
| 4.2.2 拉普拉斯高斯模型下弱小目标模型建立 | 第36-37页 |
| 4.2.3 尺度空间下的各向差异度红外弱小多目标检测 | 第37-39页 |
| 4.3 实验结果及分析 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 红外弱小多目标实时跟踪方法研究 | 第42-56页 |
| 5.1 目标跟踪经典算法 | 第42-48页 |
| 5.1.1 基本卡尔曼滤波器 | 第42-43页 |
| 5.1.2 粒子滤波算法 | 第43-45页 |
| 5.1.3 均值漂移算法 | 第45-46页 |
| 5.1.4 交互式多模型算法 | 第46-48页 |
| 5.2 基于多模型的改进卡尔曼粒子滤波目标跟踪算法 | 第48-52页 |
| 5.2.1 多模型建立 | 第48-50页 |
| 5.2.1.1 匀速模型 | 第48页 |
| 5.2.1.2 匀加速模型 | 第48-49页 |
| 5.2.1.3 变加速模型 | 第49-50页 |
| 5.2.2 算法框架 | 第50-52页 |
| 5.3 结合马尔可夫随机网络的红外弱小多目标实时跟踪 | 第52-53页 |
| 5.4 红外弱小多目标跟踪算法实验分析 | 第53-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 图表目录 | 第61-63页 |
| 图目录 | 第61-62页 |
| 表目录 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附录 在学期间学术成果情况 | 第64-65页 |
| 作者简历 | 第65页 |
