| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第一章 绪论 | 第10-24页 |
| ·研究背景及重要意义 | 第10-13页 |
| ·基本概念 | 第10-11页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-19页 |
| ·背景杂波量化表征技术 | 第13-15页 |
| ·基于人眼视觉的光电成像系统 | 第15-18页 |
| ·基于机器视觉的光电成像系统 | 第18-19页 |
| ·研究内容及研究方法 | 第19-21页 |
| ·背景杂波的量化表征 | 第19-20页 |
| ·人眼视觉成像系统背景杂波修正模型的建立 | 第20-21页 |
| ·机器视觉成像系统背景杂波修正模型的建立 | 第21页 |
| ·论文的结构与特色 | 第21-24页 |
| ·课题来源 | 第21-22页 |
| ·内容结构 | 第22-23页 |
| ·特色与创新点 | 第23-24页 |
| 第二章 光电图像中背景杂波的表征 | 第24-62页 |
| ·基本概念 | 第24-26页 |
| ·背景杂波的基本概念 | 第24-25页 |
| ·量化描述背景杂波的意义 | 第25页 |
| ·杂波量化尺度的基本要求 | 第25-26页 |
| ·杂波量化尺度验证的一般过程 | 第26页 |
| ·杂波量化与视觉感知模型 | 第26-30页 |
| ·视觉感知模型 | 第27-28页 |
| ·人眼视觉的基本感知特性 | 第28-30页 |
| ·影响感知效应的主要因素 | 第30页 |
| ·背景杂波量化尺度的分类 | 第30-31页 |
| ·数学统计方差杂波量化尺度 | 第31-34页 |
| ·统计方差(SV)尺度的基本概念 | 第32页 |
| ·基于 SV的信杂比(SCR)尺度 | 第32-33页 |
| ·SV尺度的优缺点 | 第33页 |
| ·SV的改进尺度 SSV | 第33-34页 |
| ·基于人眼视觉对高对比度区域敏感性的杂波尺度 | 第34-38页 |
| ·基于灰度级图像的整体杂波尺度 | 第34-36页 |
| ·基于边缘滤波图像的整体杂波尺度 | 第36-38页 |
| ·基于图像纹理的杂波尺度 | 第38-41页 |
| ·背景杂波尺度的试验研究 | 第41-44页 |
| ·基于 NVESD合成图像数据库的验证分析 | 第41-42页 |
| ·基于休斯飞机公司图像数据库的验证分析 | 第42-43页 |
| ·基于以色列图像数据库的验证分析 | 第43-44页 |
| ·Search_2图像数据库 | 第44-52页 |
| ·Search_2图像数据库 | 第44-48页 |
| ·搜索试验过程 | 第48-52页 |
| ·目标局部对比度 | 第52-57页 |
| ·平方和根(RSS)尺度 | 第53页 |
| ·DOLYE尺度 | 第53页 |
| ·目标复杂性 TC | 第53-55页 |
| ·线功率谱特征(PSS)尺度 | 第55-57页 |
| ·基于机器视觉的背景杂波量化尺度-PSD模型 | 第57-60页 |
| ·机器视觉中光电背景杂波量化基本原理 | 第57-58页 |
| ·机器视觉中光电背景杂波量化技术分析 | 第58-60页 |
| ·结论 | 第60页 |
| ·本章小结 | 第60-62页 |
| 第三章 目标结构相似性(TSSIM)杂波量化描述尺度 | 第62-90页 |
| ·引言 | 第62-64页 |
| ·目标结构相似性(TSSIM)尺度 | 第64-69页 |
| ·基本原理 | 第64页 |
| ·基本思路 | 第64-65页 |
| ·数学意义 | 第65-66页 |
| ·算法实现 | 第66-69页 |
| ·合理性分析 | 第69页 |
| ·目标纹理相似性(TTSIM)尺度 | 第69-70页 |
| ·试验验证的基础 | 第70-74页 |
| ·试验数据 | 第70-72页 |
| ·性能评价测度 | 第72-74页 |
| ·杂波尺度与目标探测概率的相关性分析比较 | 第74-80页 |
| ·数据介绍 | 第74-76页 |
| ·实验结果 | 第76-79页 |
| ·分析与讨论 | 第79-80页 |
| ·杂波尺度与目标平均探测时间的相关性分析比较 | 第80-85页 |
| ·实验结果 | 第81-83页 |
| ·分析与讨论 | 第83-85页 |
| ·利用 TSSIM杂波尺度分析观察者的目标虚警特性 | 第85-89页 |
| ·虚警模型 | 第86页 |
| ·基于 TSSIM的目标虚警概率特性实验分析 | 第86-89页 |
| ·本章小结 | 第89-90页 |
| 第四章 基于 TSSIM的 NVESD目标获取性能修正模型 | 第90-118页 |
| ·引言 | 第90-91页 |
| ·目标获取中的基本概念 | 第91-92页 |
| ·NVESD目标获取性能模型 | 第92-101页 |
| ·NVESD模型的基本发展过程 | 第92-94页 |
| ·NVESD模型中的一些基本概念 | 第94-97页 |
| ·静态性能模型 | 第97-99页 |
| ·动态搜索探测性能模型 | 第99-101页 |
| ·背景杂波对 NVESD目标获取性能的已有修正方法 | 第101-102页 |
| ·Meitzler修正模型 | 第101-102页 |
| ·D’Agostino修正模型 | 第102页 |
| ·基于 TSSIM的NVESD目标获取性能的修正模型 | 第102-112页 |
| ·基本概念 | 第103-105页 |
| ·静态模型修正因子的选取 | 第105-109页 |
| ·搜索模型修正因子的选取 | 第109-111页 |
| ·修正模型的建立 | 第111-112页 |
| ·修正模型的试验分析与讨论 | 第112-117页 |
| ·静态修正模型的模拟结果 | 第112-113页 |
| ·搜索修正模型的模拟结果 | 第113页 |
| ·原 NVESD模型的模拟结果 | 第113-115页 |
| ·模拟结果的分析与讨论 | 第115-117页 |
| ·本章小结 | 第117-118页 |
| 第五章 背景杂波对机器视觉成像系统探测性能的修正 | 第118-126页 |
| ·引言 | 第118-119页 |
| ·机器视觉光电成像系统的基本组成 | 第119-122页 |
| ·基于机器视觉的光电成像系统性能评估模型框架 | 第119页 |
| ·基本思想 | 第119-120页 |
| ·目标与背景杂波量化模型 | 第120页 |
| ·图像处理算法模块 | 第120-122页 |
| ·包含背景杂波效应的的目标探测性能模型 | 第122-125页 |
| ·本章小结 | 第125-126页 |
| 第六章 全文总结 | 第126-128页 |
| ·结论及主要创新点 | 第126-127页 |
| ·进一步研究计划 | 第127-128页 |
| 致谢 | 第128-129页 |
| 参考文献 | 第129-138页 |
| 攻读博士学位期间研究成果 | 第138-139页 |
