| 摘要 | 第1-7页 |
| ABSTRACT | 第7-19页 |
| 第一章 绪论 | 第19-34页 |
| ·研究背景及意义 | 第19-21页 |
| ·相关技术及其研究动态 | 第21-31页 |
| ·背景杂波估计与抑制技术 | 第21-27页 |
| ·微弱运动目标的检测技术 | 第27-31页 |
| ·主要工作与研究成果 | 第31-33页 |
| ·论文安排 | 第33-34页 |
| 第二章 强杂波抑制型微弱图像目标检测系统设计 | 第34-50页 |
| ·强杂波干扰下微弱目标检测数理模型 | 第34-39页 |
| ·二维成像系统物理模型 | 第34-36页 |
| ·微弱目标、背景强杂波与噪声关系模型 | 第36-38页 |
| ·检测模型 | 第38-39页 |
| ·强杂波抑制型微弱运动目标检测系统结构设计 | 第39-43页 |
| ·杂波抑制算子O_1设计 | 第39-41页 |
| ·多帧检测算子O_2设计 | 第41-43页 |
| ·杂波抑制性能检验与评价方法 | 第43-45页 |
| ·目标局域信杂比(LSCR)增益检验 | 第43页 |
| ·残留噪声的正态性检验 | 第43页 |
| ·残留噪声白化程度检验 | 第43-44页 |
| ·单帧检测性能检验 | 第44-45页 |
| ·相关概率统计与检测理论 | 第45-49页 |
| ·一些常用概率分布 | 第45-46页 |
| ·经验概率密度函数(Empirical Probability Density Function) | 第46页 |
| ·二元检测理论与Neyman-Pearson准则 | 第46-49页 |
| ·小结 | 第49-50页 |
| 第三章 强杂波干扰下微弱图像目标参数界定 | 第50-62页 |
| ·微弱图像目标信杂比定义 | 第51-52页 |
| ·人眼视觉可视性及其微弱目标参数界定 | 第52-56页 |
| ·图像目标人眼视觉可视性及其分类 | 第52-53页 |
| ·微弱图像目标视觉可视性参数模型 | 第53-54页 |
| ·微弱图像目标可视性 PC实验分析与实验参数界定 | 第54-56页 |
| ·机器可检测性及其微弱目标参数界定 | 第56-61页 |
| ·图像目标机器可检测性 | 第56页 |
| ·检测性能分析及参数界定 | 第56-59页 |
| ·真实图像检测 PC仿真 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第四章 准平稳子域划分的背景杂波自适应抑制 | 第62-82页 |
| ·算法基本框架结构 | 第63页 |
| ·图像灰度准平稳子域划分 | 第63-69页 |
| ·四叉树矩分割法 | 第64-65页 |
| ·FCM聚类分割法 | 第65-69页 |
| ·多扫描预平滑RLS杂波抑制方法 | 第69-71页 |
| ·多扫描策略 | 第69页 |
| ·预平滑处理 | 第69-70页 |
| ·RLS自适应杂波抑制算法 | 第70-71页 |
| ·仿真实验与性能评价 | 第71-80页 |
| ·杂波抑制实验及结果 | 第71-73页 |
| ·残留噪声正态性检验 | 第73-74页 |
| ·残留噪声白化程度检验 | 第74-76页 |
| ·LSCR增益检验 | 第76-79页 |
| ·检测性能检验 | 第79-80页 |
| ·小结 | 第80-82页 |
| 第五章 基于形态神经网络的复杂背景抑制技术 | 第82-104页 |
| ·形态学基础 | 第83-86页 |
| ·数学形态学发展及现状 | 第83-84页 |
| ·灰度形态学理论基础 | 第84-86页 |
| ·人工神经网络基础 | 第86-92页 |
| ·人工神经网络概述 | 第86-87页 |
| ·人工神经网络基本模型 | 第87-92页 |
| ·杂波抑制的形态神经网络 | 第92-96页 |
| ·结构元分块训练策略 | 第92-93页 |
| ·形态开闭运算BP网络模型 | 第93-94页 |
| ·杂波抑制BP网络结构元自适应学习 | 第94-96页 |
| ·仿真实验 | 第96-103页 |
| ·结构元自学习结果 | 第96-97页 |
| ·杂波抑制实验及结果 | 第97-98页 |
| ·残留噪声正态性检验 | 第98-99页 |
| ·残留噪声白化程度检验 | 第99-100页 |
| ·LSCR增益检验 | 第100页 |
| ·检测性能检验 | 第100-103页 |
| ·小结 | 第103-104页 |
| 第六章 空时自适应杂波分类抑制快速算法 | 第104-125页 |
| ·算法基本框架结构 | 第104-106页 |
| ·全域运动估计和补偿 | 第106-111页 |
| ·图像全域运动参数模型 | 第106-108页 |
| ·像素点运动场的计算 | 第108-110页 |
| ·运动背景补偿校正技术 | 第110-111页 |
| ·基于时域灰度矩学习的背景杂波分类方法 | 第111-113页 |
| ·空时结合杂波分类抑制算法 | 第113-115页 |
| ·目标对杂波分类与估计的影响 | 第115页 |
| ·仿真实验和性能分析 | 第115-123页 |
| ·自适应杂波分类仿真实验 | 第115-117页 |
| ·杂波抑制实验及结果 | 第117-118页 |
| ·残留噪声正态性检验 | 第118页 |
| ·残留噪声白化程度检验 | 第118-120页 |
| ·LSCR增益检验 | 第120-121页 |
| ·杂波抑制计算量比较 | 第121-122页 |
| ·多帧检测性能比较 | 第122-123页 |
| ·小结 | 第123-125页 |
| 第七章 微弱运动目标空时集成检测及其性能分析 | 第125-146页 |
| ·空时集成检测系统框架 | 第126-127页 |
| ·目标空域集成及性能分析 | 第127-136页 |
| ·目标空域集成模板 | 第127-128页 |
| ·目标空域集成方式 | 第128-129页 |
| ·目标空域集成检测性能分析 | 第129-136页 |
| ·时域集成检测及其性能分析 | 第136-143页 |
| ·时域集成方式 | 第136-140页 |
| ·目标时域集成检测性能分析 | 第140-143页 |
| ·仿真实验 | 第143-145页 |
| ·理想数据仿真实验 | 第143-144页 |
| ·真实图像仿真实验 | 第144-145页 |
| ·小结 | 第145-146页 |
| 全文总结 | 第146-149页 |
| 参考文献 | 第149-157页 |
| 致谢 | 第157-158页 |
| 攻博期间取得的研究成果 | 第158页 |