机载光电系统中红外典型目标检测、识别与跟踪技术研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 红外目标检测技术研究现状 | 第14-15页 |
| 1.2.2 红外目标识别技术研究现状 | 第15-16页 |
| 1.2.3 红外目标跟踪技术研究现状 | 第16-17页 |
| 1.3 系统总体方案设计与研究内容 | 第17-19页 |
| 1.3.1 系统总体方案设计 | 第17-18页 |
| 1.3.2 研究内容 | 第18-19页 |
| 1.4 论文的内容结构安排 | 第19-21页 |
| 第二章 稀疏表示理论 | 第21-29页 |
| 2.1 稀疏表示理论 | 第21-23页 |
| 2.2 稀疏表示计算方法 | 第23-28页 |
| 2.2.1 约束优化算法 | 第23-24页 |
| 2.2.2 贪婪算法 | 第24页 |
| 2.2.3 MP算法 | 第24-25页 |
| 2.2.4 OMP算法 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于显著性的红外典型目标检测 | 第29-40页 |
| 3.1 显著性理论 | 第29-31页 |
| 3.2 显著度计算 | 第31-35页 |
| 3.2.1 ROI区域提取 | 第31-32页 |
| 3.2.2 窗口显著度计算 | 第32-35页 |
| 3.3 实验结果及分析 | 第35-39页 |
| 3.3.1 参数设置 | 第35页 |
| 3.3.2 算法加速 | 第35-36页 |
| 3.3.3 算法效果 | 第36-39页 |
| 3.3.4 算法效率 | 第39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于模型训练的红外目标识别技术研究 | 第40-57页 |
| 4.1 SIFT特征提取 | 第40-44页 |
| 4.1.1 特征点检测 | 第41-43页 |
| 4.1.2 特征描述子 | 第43-44页 |
| 4.2 基于K-SVD的字典学习 | 第44-48页 |
| 4.2.1 K-均值算法 | 第44-45页 |
| 4.2.2 K-SVD算法 | 第45-48页 |
| 4.3 ScSPM稀疏编码 | 第48-50页 |
| 4.4 SVM分类器 | 第50-52页 |
| 4.5 实验结果及分析 | 第52-56页 |
| 4.5.1 训练字典 | 第52页 |
| 4.5.2 特征提取 | 第52-55页 |
| 4.5.3 识别效果 | 第55-56页 |
| 4.5.4 算法性能 | 第56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 基于压缩感知的红外目标快速跟踪 | 第57-68页 |
| 5.1 CT特征提取 | 第57-59页 |
| 5.1.1 基于多尺度卷积的特征提取 | 第57-58页 |
| 5.1.2 特征降维 | 第58-59页 |
| 5.2 分类器构建及更新 | 第59-61页 |
| 5.3 跟踪策略 | 第61页 |
| 5.4 实验结果及分析 | 第61-67页 |
| 5.4.1 跟踪结果 | 第62-64页 |
| 5.4.2 结果分析 | 第64-66页 |
| 5.4.3 算法效率 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 基于ARM工程实现 | 第68-74页 |
| 6.1 ARM开发平台 | 第68-70页 |
| 6.1.1 制作系统启动卡 | 第68-69页 |
| 6.1.2 内核编译 | 第69-70页 |
| 6.2 OpenCV编译和配置 | 第70-71页 |
| 6.3 算法架构及移植 | 第71-73页 |
| 6.4 本章小结 | 第73-74页 |
| 第七章 总结与展望 | 第74-76页 |
| 7.1 论文工作总结 | 第74-75页 |
| 7.2 展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 在学期间的研究成果及发表的学术论文 | 第82页 |
