| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 课题研究背景 | 第13-14页 |
| 1.2 国内外研究应用现状 | 第14-20页 |
| 1.2.1 图像预处理技术的研究现状 | 第15-16页 |
| 1.2.2 红外弱小目标检测的研究现状 | 第16-18页 |
| 1.2.3 红外弱小目标跟踪的研究现状 | 第18-20页 |
| 1.3 本文的主要研究内容和论文框架 | 第20-22页 |
| 第二章 包含弱小目标的红外图像分析 | 第22-31页 |
| 2.1 引言 | 第22页 |
| 2.2 红外成像原理 | 第22-24页 |
| 2.2.1 红外辐射基本理论 | 第22-23页 |
| 2.2.2 红外成像系统 | 第23-24页 |
| 2.3 红外图像分析 | 第24-30页 |
| 2.3.1 红外图像的数学模型的建立 | 第25页 |
| 2.3.2 红外图像中弱小目标的分析 | 第25-28页 |
| 2.3.3 红外图像中背景的分析 | 第28-29页 |
| 2.3.4 红外图像中噪声的分析 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于局部灰度显著性分析的图像预处理 | 第31-46页 |
| 3.1 引言 | 第31页 |
| 3.2 红外图像预处理算法分析 | 第31-37页 |
| 3.2.1 时间域算法 | 第32页 |
| 3.2.2 空间域算法 | 第32-35页 |
| 3.2.3 频率域算法 | 第35-37页 |
| 3.3 视觉注意机制和一种新的图像预处理算法 | 第37-43页 |
| 3.3.1 视觉注意机制及其在红外图像中的应用 | 第37-39页 |
| 3.3.2 图像的非均匀区域分割 | 第39-40页 |
| 3.3.3 基于区域内的显著点提取的图像预处理 | 第40-42页 |
| 3.3.4 算法统计分析 | 第42-43页 |
| 3.4 实验结果与分析 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于多方向复合模板的红外弱小目标检测 | 第46-58页 |
| 4.1 引言 | 第46页 |
| 4.2 DBT 算法基本思路 | 第46-49页 |
| 4.2.1 单帧检测算法：Otsu 法和最大熵方法 | 第47-48页 |
| 4.2.2 多帧确认算法：管道滤波法 | 第48-49页 |
| 4.3 基于多方向复合模板的红外弱小目标检测 | 第49-54页 |
| 4.3.1 红外图像灰度特性分析 | 第50-51页 |
| 4.3.2 多方向复合窗结构的提出 | 第51-53页 |
| 4.3.3 基于自适应的参数优化 | 第53-54页 |
| 4.4 实验结果及分析 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 联合多特征的 Mean-shift 红外弱小目标跟踪 | 第58-71页 |
| 5.1 引言 | 第58页 |
| 5.2 Mean-shift 跟踪算法 | 第58-63页 |
| 5.2.1 Mean-shift 基础理论 | 第59-60页 |
| 5.2.2 基于 Mean-shift 的红外目标跟踪 | 第60-62页 |
| 5.2.3 实验结果与分析 | 第62-63页 |
| 5.3 联合多特征的 Mean-shift 红外弱小目标跟踪 | 第63-69页 |
| 5.3.1 算法基本思路 | 第63页 |
| 5.3.2 多特征融合的目标模型 | 第63-66页 |
| 5.3.3 目标模型的更新 | 第66页 |
| 5.3.4 Harris 特征匹配修正定位 | 第66-67页 |
| 5.3.5 实验结果及分析 | 第67-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 在学期间的研究成果及发表的学术论文 | 第79页 |
