| 摘要 | 第3-7页 |
| Abstract | 第7-10页 |
| 1. 绪论 | 第14-19页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 基于粒子滤波的图像分割算法概述 | 第15-16页 |
| 1.3 本文的结构与内容 | 第16-19页 |
| 2. 粒子滤波理论综述 | 第19-30页 |
| 2.1 MONTE CARLO随机模拟理论 | 第19-20页 |
| 2.2 基于状态空间的估计和滤波方法 | 第20-23页 |
| 2.3 标准粒子滤波器 | 第23-27页 |
| 2.3.1 粒子采样 | 第23页 |
| 2.3.2 粒子加权 | 第23-25页 |
| 2.3.3 状态估计输出 | 第25页 |
| 2.3.4 退化现象与重采样 | 第25-27页 |
| 2.3.5 标准粒子滤波算法 | 第27页 |
| 2.4 粒子群优化粒子滤波 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 图像分割理论与方法综述 | 第30-63页 |
| 3.1 基于区域的图像分割 | 第31-42页 |
| 3.1.1 特征空间聚类 | 第31-33页 |
| 3.1.2 区域生长法 | 第33-35页 |
| 3.1.3 几种典型的阈值化分割方法 | 第35-39页 |
| 3.1.4 一种新的基于灰度-方差加权信息熵的红外图像二维阈值分割 | 第39-42页 |
| 3.2 基于边缘的图像分割 | 第42-48页 |
| 3.2.1 微分算子法 | 第42-46页 |
| 3.2.2 基于活动轮廓模型的分割 | 第46-48页 |
| 3.3 图像分割算法的评价方法 | 第48-61页 |
| 3.3.1 最大类间方差法 | 第48-49页 |
| 3.3.2 最大熵法 | 第49-51页 |
| 3.3.2 基于区域特征一致性的评价方法 | 第51页 |
| 3.3.3 基于区间对比度的评价方法 | 第51页 |
| 3.3.4 基于误分像素点的评价方法 | 第51-52页 |
| 3.3.5 一种新的红外目标分割有效性测度及其在粒子滤波中的实现 | 第52-57页 |
| 3.3.6 Snake 能量函数作为粒子滤波方法中权重度量基准的有效性实验 | 第57-61页 |
| 3.4 本章小结 | 第61-63页 |
| 4 基于粒子滤波的红外目标提取算法 | 第63-72页 |
| 4.1 基于粒子滤波的红外目标提取算法基本理论框架 | 第64-66页 |
| 4.1.1 状态转移模型 | 第64-66页 |
| 4.1.2 观测模型 | 第66页 |
| 4.2 基于粒子滤波的红外目标提取算法的具体实现 | 第66-68页 |
| 4.2.1 状态空间的建立 | 第67-68页 |
| 4.2.2 状态转移模型 | 第68页 |
| 4.3 基于粒子滤波的红外目标提取算法 | 第68-69页 |
| 4.4 实验结果与分析 | 第69-71页 |
| 4.5 本章小结 | 第71-72页 |
| 5. 基于粒子滤波的彩色图像目标轮廓提取算法 | 第72-83页 |
| 5.1 建立状态空间 | 第73-74页 |
| 5.2 目标轮廓的预测与状态转移模型 | 第74-78页 |
| 5.2.1 目标轮廓的预测 | 第74-76页 |
| 5.2.2 初始粒子集的建立 | 第76-77页 |
| 5.2.3 状态转移模型 | 第77-78页 |
| 5.3 建立观测模型 | 第78-80页 |
| 5.4 算法实现 | 第80页 |
| 5.5 相关实验 | 第80-81页 |
| 5.6 本章小结 | 第81-83页 |
| 6 总结与展望 | 第83-88页 |
| 6.1 本文研究工作小结 | 第83-85页 |
| 6.2 未来工作展望 | 第85-88页 |
| 参考文献 | 第88-93页 |
| 致谢 | 第93-94页 |
| 攻读学位期间发表的学术论文 | 第94-96页 |
