| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第15-26页 |
| 1.1 课题背景及研究意义 | 第15-16页 |
| 1.2 红外弱小目标检测技术发展现状和趋势 | 第16-25页 |
| 1.2.1 top-hat变换 | 第17-18页 |
| 1.2.2 max-mean和max-median滤波器 | 第18-19页 |
| 1.2.3 基于信息熵的方法 | 第19-21页 |
| 1.2.4 主成分分析 | 第21-22页 |
| 1.2.5 非参数回归 | 第22-25页 |
| 1.3 本人主要工作及结构安排 | 第25-26页 |
| 第2章 红外图像特征分析 | 第26-34页 |
| 2.1 概述 | 第26-27页 |
| 2.2 红外图像特征简介 | 第27-32页 |
| 2.3 评价指标 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于改进TDLMS的红外弱小目标检测算法 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 传统TDLMS滤波器简介 | 第34-35页 |
| 3.3 双向TDLMS滤波器 | 第35-39页 |
| 3.3.1 概述 | 第35页 |
| 3.3.2 噪声估计 | 第35-37页 |
| 3.3.3 自适应步长 | 第37页 |
| 3.3.4 双向滤波 | 第37-38页 |
| 3.3.5 目标检测 | 第38-39页 |
| 3.4 仿真实验 | 第39-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于主曲率函数的红外弱小目标检测算法 | 第44-59页 |
| 4.1 引言 | 第44页 |
| 4.2 主曲率概述 | 第44-45页 |
| 4.3 主曲率函数滤波 | 第45-46页 |
| 4.4 参数优化 | 第46-50页 |
| 4.5 仿真实验 | 第50-58页 |
| 4.5.1 合成图像上的仿真实验 | 第50-54页 |
| 4.5.2 实际图像上的仿真实验 | 第54-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第5章 红外弱小目标检测算法融合 | 第59-69页 |
| 5.1 引言 | 第59页 |
| 5.2 机器学习方法简介 | 第59-62页 |
| 5.2.1 神经网络 | 第59-61页 |
| 5.2.2 支持向量机 | 第61-62页 |
| 5.2.3 逻辑回归 | 第62页 |
| 5.3 检测算法融合 | 第62-64页 |
| 5.4 仿真实验 | 第64-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 总结和展望 | 第69-71页 |
| 6.1 主要工作与创新点 | 第69页 |
| 6.2 后续研究工作 | 第69-71页 |
| 攻读学位期间主要的研究成果 | 第71-72页 |
| 参考文献 | 第72-78页 |