复杂背景下的小目标检测研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| ·红外小目标检测研究的意义及军事应用背景 | 第10-11页 |
| ·红外图像中小目标检测研究现状 | 第11-12页 |
| ·课题的来源及选题依据 | 第12页 |
| ·本文的主要研究工作及内容安排 | 第12-15页 |
| ·本文的主要工作 | 第12-13页 |
| ·论文结构 | 第13-15页 |
| 第二章 图像预处理与背景抑制 | 第15-28页 |
| ·引言 | 第15页 |
| ·红外图像中目标及背景的分布特征 | 第15-16页 |
| ·图像预处理 | 第16-19页 |
| ·形态学滤波 | 第16-18页 |
| ·高通滤波 | 第18-19页 |
| ·高通形态学滤波 | 第19页 |
| ·基于小波变换与形态学滤波的背景抑制 | 第19-22页 |
| ·图像的多分辨率分解与合成 | 第20-21页 |
| ·基于强方向性结构元素的形态学滤波 | 第21-22页 |
| ·实验结果及分析 | 第22-27页 |
| ·小波形态学背景抑制结果 | 第23-26页 |
| ·四种滤波方法的比较结果 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第三章 基于特征点的LK方法检测 | 第28-38页 |
| ·引言 | 第28页 |
| ·图像序列的光流场 | 第28-32页 |
| ·光流场理论基础 | 第28-29页 |
| ·光流场的计算技术 | 第29-31页 |
| ·Lucas-Kanade光流跟踪模型 | 第31-32页 |
| ·基于特征点的Lucas-Kanade方法检测 | 第32-34页 |
| ·金字塔算法的描述 | 第32页 |
| ·图像特征点的选择 | 第32-33页 |
| ·特征点检测跟踪 | 第33-34页 |
| ·特征点检测和跟踪算法分析 | 第34页 |
| ·实验结果 | 第34-36页 |
| ·小结 | 第36-38页 |
| 第四章 基于粒子滤波的红外运动小目标检测 | 第38-50页 |
| ·引言 | 第38页 |
| ·粒子滤波算法概述 | 第38-42页 |
| ·概述 | 第38-39页 |
| ·粒子滤波算法介绍 | 第39-40页 |
| ·最优贝叶斯估计 | 第40页 |
| ·序列重要性采样 | 第40-41页 |
| ·粒子重采样 | 第41-42页 |
| ·粒子滤波算法的描述 | 第42页 |
| ·目标检测的实现 | 第42-46页 |
| ·特征图像建立 | 第43页 |
| ·目标检测 | 第43-46页 |
| ·实验结果 | 第46-48页 |
| ·特征图像分析 | 第46页 |
| ·粒子跟踪检测结果 | 第46-48页 |
| ·影响粒子滤波的因素 | 第48页 |
| ·小结 | 第48-50页 |
| 第五章 结束语 | 第50-52页 |
| ·论文工作总结 | 第50页 |
| ·工作展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者在攻读硕士学位期间发表的论文 | 第56页 |
