| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景及意义 | 第10页 |
| ·粒子滤波的发展与应用 | 第10-13页 |
| ·国内外研究现状 | 第10-11页 |
| ·主要应用领域 | 第11-13页 |
| ·红外小目标检测算法概述 | 第13-15页 |
| ·本文研究内容及章节安排 | 第15-16页 |
| 第2章 粒子滤波算法 | 第16-32页 |
| ·引言 | 第16页 |
| ·非线性动态系统模型 | 第16-17页 |
| ·非线性状态空间模型 | 第16-17页 |
| ·混合线性/非线性状态空间模型 | 第17页 |
| ·贝叶斯估计理论 | 第17-18页 |
| ·蒙特卡罗方法 | 第18-21页 |
| ·蒙特卡罗积分 | 第19-20页 |
| ·重要性采样 | 第20-21页 |
| ·粒子滤波算法 | 第21-26页 |
| ·序贯重要性采样 | 第21-22页 |
| ·重采样技术 | 第22-24页 |
| ·标准粒子滤波算法流程 | 第24页 |
| ·粒子滤波的缺陷及改进方法 | 第24-26页 |
| ·实验仿真及结果分析 | 第26-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 改进的边缘化粒子滤波算法 | 第32-42页 |
| ·引言 | 第32页 |
| ·边缘化粒子滤波 | 第32-35页 |
| ·Kalman 滤波 | 第32-33页 |
| ·边缘化粒子滤波算法流程 | 第33-35页 |
| ·基于 MCMC 的粒子滤波算法 | 第35-36页 |
| ·MCMC 算法基本原理 | 第35页 |
| ·MCMC 粒子滤波算法 | 第35-36页 |
| ·基于样本数自适应的 MCMC 边缘化粒子滤波算法 | 第36-37页 |
| ·实验仿真与结果分析 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 基于改进粒子滤波的检测前跟踪算法 | 第42-54页 |
| ·引言 | 第42页 |
| ·红外弱小目标 TBD 建模 | 第42-44页 |
| ·目标运动模型 | 第43-44页 |
| ·观测模型 | 第44页 |
| ·基于改进粒子滤波的 TBD 算法 | 第44-48页 |
| ·贝叶斯框架下的 TBD | 第44-46页 |
| ·基于样本数自适应的 MCMC 边缘化粒子滤波的 TBD 算法 | 第46-48页 |
| ·实验仿真及性能分析 | 第48-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于改进粒子滤波的红外弱小目标检测前跟踪 | 第54-62页 |
| ·引言 | 第54页 |
| ·红外图像特性分析 | 第54-56页 |
| ·红外弱小目标特性分析 | 第55页 |
| ·背景特性分析 | 第55-56页 |
| ·噪声特性分析 | 第56页 |
| ·基于灰度形态学 Top-hat 变换的背景抑制算法 | 第56-57页 |
| ·基于改进粒子滤波的红外弱小目标 TBD 算法 | 第57-58页 |
| ·实验结果分析 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第69-70页 |
| 致谢 | 第70页 |
