| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 研究背景、目的及意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究目的 | 第15页 |
| 1.1.3 研究意义 | 第15-16页 |
| 1.2 研究现状和评述 | 第16-21页 |
| 1.2.1 红外弱小目标检测技术研究现状 | 第16-17页 |
| 1.2.2 红外弱小目标跟踪方法研究现状 | 第17-19页 |
| 1.2.3 基于人类视觉系统的红外弱小目标跟踪方法研究现状 | 第19-20页 |
| 1.2.4 评述 | 第20-21页 |
| 1.3 研究内容、方法及创新点 | 第21-24页 |
| 1.3.1 研究内容 | 第21-22页 |
| 1.3.2 研究方法 | 第22-23页 |
| 1.3.3 创新点 | 第23-24页 |
| 1.4 小结 | 第24-26页 |
| 第二章 基于粒子滤波的红外目标跟踪基本原理 | 第26-34页 |
| 2.1 引言 | 第26页 |
| 2.2 红外图像预处理方法 | 第26-27页 |
| 2.3 红外目标检测方法 | 第27页 |
| 2.4 粒子滤波基本原理 | 第27-32页 |
| 2.4.1 蒙特卡罗方法 | 第27-28页 |
| 2.4.2 序贯重要性采样 | 第28-30页 |
| 2.4.3 粒子退化和重采样 | 第30-31页 |
| 2.4.4 粒子滤波算法 | 第31-32页 |
| 2.5 小结 | 第32-34页 |
| 第三章 基于人类视觉机制的红外目标检测方法 | 第34-42页 |
| 3.1 引言 | 第34页 |
| 3.2 基于视觉对比机制的目标检测方法 | 第34-38页 |
| 3.2.1 红外图像进行预处理 | 第35页 |
| 3.2.2 子图像区域阵列 | 第35页 |
| 3.2.3 视觉对比度计算 | 第35-36页 |
| 3.2.4 自适应阈值判定 | 第36-37页 |
| 3.2.5 目标检测 | 第37-38页 |
| 3.3 基于HVS对比机制的目标检测实验结果与对比分析 | 第38-41页 |
| 3.3.1 局部视觉对比度显著图结果与对比 | 第38页 |
| 3.3.2 基于HVS对比机制的目标检测实验结果 | 第38-40页 |
| 3.3.3 与其他方法的对比 | 第40-41页 |
| 3.4 小结 | 第41-42页 |
| 第四章 基于视觉对比机制和粒子滤波的红外目标跟踪方法 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 局部视觉对比度目标特征提取及目标模板建立 | 第42-43页 |
| 4.3 基于视觉对比机制的粒子滤波跟踪算法 | 第43-45页 |
| 4.4 粒子滤波目标跟踪实验结果分析 | 第45-47页 |
| 4.4.1 局部视觉对比度显著图 | 第45页 |
| 4.4.2 基于视觉对比机制和粒子滤波算法的红外小目标跟踪结果 | 第45-47页 |
| 4.5 与传统粒子滤波方法的对比 | 第47-50页 |
| 4.6 小结 | 第50-52页 |
| 第五章 基于学习与记忆机制和粒子滤波的红外目标跟踪方法 | 第52-64页 |
| 5.1 引言 | 第52-53页 |
| 5.2 基于学习与记忆机制的粒子滤波目标模板更新方法 | 第53-57页 |
| 5.2.1 传统模板更新方法分析 | 第53-54页 |
| 5.2.2 基于学习与记忆机制的粒子滤波目标模板更新方法 | 第54-57页 |
| 5.3 基于学习与记忆机制的粒子滤波目标跟踪算法 | 第57-58页 |
| 5.4 实验结果分析 | 第58-62页 |
| 5.5 小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读学位期间主要研究成果 | 第72-74页 |
| 致谢 | 第74页 |
