| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 主要缩写符号清单 | 第12-17页 |
| 第1章 绪论 | 第17-34页 |
| 1.1 研究课题的背景及意义 | 第17-18页 |
| 1.2 电磁波频（波段）的划分 | 第18页 |
| 1.3 电磁波辐射危险品探测技术的发展及研究现状 | 第18-24页 |
| 1.3.1 波谱分析技术 | 第19页 |
| 1.3.2 太赫兹探测技术 | 第19-20页 |
| 1.3.3 X射线探测技术 | 第20-21页 |
| 1.3.4 毫米波探测技术 | 第21-24页 |
| 1.3.4.1 毫米波频段的开发与应用 | 第21页 |
| 1.3.4.2 毫米波成像技术的优点 | 第21-22页 |
| 1.3.4.3 被动式毫米波成像技术的应用和发展 | 第22-24页 |
| 1.4 PMMW图像处理 | 第24-31页 |
| 1.4.1 数字图像与图像退化模型 | 第24-26页 |
| 1.4.2 图像复原 | 第26-28页 |
| 1.4.3 图像融合 | 第28-29页 |
| 1.4.4 目标识别与图像分割 | 第29-30页 |
| 1.4.5 图像处理客观评价指标 | 第30-31页 |
| 1.5 论文研究的主要内容 | 第31-33页 |
| 1.6 论文的组织架构 | 第33-34页 |
| 第2章 PMMW隐匿物品探测及毫米波衰减材料性能研究 | 第34-60页 |
| 2.1 引言 | 第34-35页 |
| 2.2 PMMW对人体隐匿物品探测 | 第35-50页 |
| 2.2.1 电磁波辐射成像原理 | 第35-38页 |
| 2.2.2 PMMW探测成像机理分析 | 第38-45页 |
| 2.2.3 毫米波辐射计 | 第45-47页 |
| 2.2.4 被动毫米波成像系统 | 第47-50页 |
| 2.3 复合材料的探测及实验 | 第50-58页 |
| 2.3.1 电磁波吸收材料 | 第50-51页 |
| 2.3.2 碳纳米管复合材料 | 第51-54页 |
| 2.3.3 可膨胀石墨复合材料 | 第54-56页 |
| 2.3.4 碳纤维复合材料 | 第56-58页 |
| 2.4 实验结果及分析 | 第58-59页 |
| 2.5 本章小结 | 第59-60页 |
| 第3章 基于小波域的PMMW图像去噪及融合算法 | 第60-90页 |
| 3.1 引言 | 第60-61页 |
| 3.2 小波变换 | 第61-68页 |
| 3.2.1 连续小波变换 | 第61-62页 |
| 3.2.2 离散小波变换 | 第62-63页 |
| 3.2.3 小波多分辨率分析 | 第63-68页 |
| 3.3 改进的小波去噪算法在PMMW图像处理中的应用 | 第68-79页 |
| 3.3.1 PMMW图像噪声分析 | 第68-69页 |
| 3.3.2 小波阈值收缩去噪 | 第69-70页 |
| 3.3.3 基于贝叶斯决策的小波阈值收缩去噪算法 | 第70-72页 |
| 3.3.4 平移不变量贝叶斯决策小波阈值去噪算法 | 第72-74页 |
| 3.3.5 改进的平移不变量贝叶斯决策小波阈值去噪算法 | 第74-76页 |
| 3.3.5.1 基于加权欧氏距离的改进TIBayesShrink算法 | 第75页 |
| 3.3.5.2 周期延拓 | 第75-76页 |
| 3.3.6 实验结果及分析 | 第76-79页 |
| 3.4. 图像的结构相似度 | 第79-89页 |
| 3.4.1 图像的结构相似度 | 第80-81页 |
| 3.4.2 SSIM矩阵 | 第81-82页 |
| 3.4.3 基于SSIM的图像融合算法 | 第82-84页 |
| 3.4.3.1 低频域的融合规则 | 第82-83页 |
| 3.4.3.2 高频域的融合规则 | 第83-84页 |
| 3.4.4 基于结构相似度的改进图像小波融合算法 | 第84-87页 |
| 3.4.5 实验结果及分析 | 第87-89页 |
| 3.5 本章小结 | 第89-90页 |
| 第4章 基于预分类的非局部被动毫米波图像处理算法 | 第90-103页 |
| 4.1 引言 | 第90页 |
| 4.2 非局部均值去噪算法及其改进算法 | 第90-93页 |
| 4.2.1 预分类法 | 第92页 |
| 4.2.2 多尺度法 | 第92-93页 |
| 4.3 基于预分类的非局部被动毫米波图像去噪算法 | 第93-99页 |
| 4.3.1 梯度矩阵的奇异值分解及像素分类 | 第93-95页 |
| 4.3.2 平滑域的相似集构造及去噪 | 第95-97页 |
| 4.3.3 边缘域去噪 | 第97-98页 |
| 4.3.4 过渡域去噪 | 第98-99页 |
| 4.4 噪声估计 | 第99-100页 |
| 4.5 降噪结果分析 | 第100-102页 |
| 4.6 本章小结 | 第102-103页 |
| 第5章 基于高斯混合模型的隐匿物品图像分割算法 | 第103-125页 |
| 5.1 引言 | 第103-104页 |
| 5.2 基于Split Bregman迭代的全变分去噪 | 第104-106页 |
| 5.3 自适应参数初始化的高斯混合模型 | 第106-116页 |
| 5.3.1 高斯混合模型 | 第106-108页 |
| 5.3.1.1 高斯混合模型的参数估计 | 第106-108页 |
| 5.3.1.2 最小信息长度 | 第108页 |
| 5.3.2 自适应参数初始化策略 | 第108-114页 |
| 5.3.2.1 直方图分析及有限冲激响应低通滤波器 | 第109-110页 |
| 5.3.2.2 高斯混合模型拟合的参数初始化方法 | 第110-114页 |
| 5.3.3 高斯函数合并 | 第114-116页 |
| 5.4 混合分割 | 第116-119页 |
| 5.4.1 置信区间 | 第116-117页 |
| 5.4.2 混合分割原理 | 第117-119页 |
| 5.5 实验结果及分析 | 第119-123页 |
| 5.5.1 图像去噪 | 第119页 |
| 5.5.2 直方图拟合及分析 | 第119-121页 |
| 5.5.3 隐匿物品分割 | 第121-122页 |
| 5.5.4 结果比较 | 第122-123页 |
| 5.6 本章小结 | 第123-125页 |
| 第6章 总结与展望 | 第125-128页 |
| 6.1 研究总结 | 第125-126页 |
| 6.2 研究展望 | 第126-128页 |
| 参考文献 | 第128-140页 |
| 攻读博士学位期间发表和录用的论文 | 第140-141页 |
| 致谢 | 第141-142页 |
| 作者简介 | 第142页 |
