| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·选题背景和研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·本文结构及主要创新点 | 第11-13页 |
| 第二章 红外小目标检测算法研究 | 第13-23页 |
| ·经典红外小目标图像预处理算法 | 第13-18页 |
| ·空域和频域滤波算法 | 第13-16页 |
| ·形态学滤波算法 | 第16-17页 |
| ·基于小波变换的算法 | 第17-18页 |
| ·经典红外小目标检测算法 | 第18-21页 |
| ·基于背景预测的算法 | 第18-19页 |
| ·图像信息熵检测算法 | 第19-20页 |
| ·平均灰度绝对差检测算法 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 图像预处理算法研究 | 第23-35页 |
| ·图像预处理技术的性能参数 | 第23-31页 |
| ·预处理技术性能参数分析 | 第23-30页 |
| ·处理时间 | 第30-31页 |
| ·图像预处理快速实现方法 | 第31-34页 |
| ·中值滤波实现方法 | 第31-33页 |
| ·形态学滤波实现方法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于图像稀疏表示的单帧红外小目标图像向量投影检测算法 | 第35-47页 |
| ·图像显著域介绍 | 第35-36页 |
| ·图像稀疏表示概述 | 第36-38页 |
| ·最优化问题及 l_2和 l_p范数最优解 | 第37-38页 |
| ·基于图像稀疏表示的单帧红外小目标图像向量投影检测 | 第38-43页 |
| ·图像稀疏表示模型 | 第38页 |
| ·基于高斯灰度的目标模型 | 第38-40页 |
| ·红外小目标图像预处理方法选择 | 第40-41页 |
| ·红外小目标判定 | 第41-43页 |
| ·实验结果及其分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·主要工作 | 第47页 |
| ·后续研究工作 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |