| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 折反射全景视觉系统的国内外研究现状 | 第12-13页 |
| 1.2.2 海天线检测的研究现状 | 第13-14页 |
| 1.2.3 小目标检测的国内外研究现状 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-18页 |
| 1.3.1 论文主要研究内容 | 第15-16页 |
| 1.3.2 论文章节安排 | 第16-18页 |
| 第2章 全景成像系统 | 第18-25页 |
| 2.1 折反射全景视觉系统 | 第18-22页 |
| 2.1.1 折反射全景成像系统组成 | 第18-19页 |
| 2.1.2 双曲面折反射成像逆投影原理 | 第19-21页 |
| 2.1.3 全景图像柱面展开原理 | 第21-22页 |
| 2.2 全景图像特点分析 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 全景图像预处理算法研究 | 第25-40页 |
| 3.1 全景图像去噪 | 第25-30页 |
| 3.1.1 均值滤波 | 第26-27页 |
| 3.1.2 中值滤波 | 第27-29页 |
| 3.1.3 高斯滤波 | 第29-30页 |
| 3.2 全景图像锐化 | 第30-33页 |
| 3.2.1 梯度锐化 | 第31页 |
| 3.2.2 拉普拉斯掩膜锐化 | 第31-33页 |
| 3.3 Canny边缘检测算法研究及改进 | 第33-39页 |
| 3.3.1 Canny边缘检测算法 | 第33-36页 |
| 3.3.2 自适应阈值Canny边缘检测算法 | 第36-38页 |
| 3.3.3 改进的分块自适应阈值Canny边缘检测算法 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于全景视觉的海天线检测方法研究 | 第40-58页 |
| 4.1 基于动态规划的海天线检测算法 | 第40-45页 |
| 4.1.1 动态规划的概念 | 第40-41页 |
| 4.1.2 基于动态规划的海天线检测算法流程 | 第41页 |
| 4.1.3 有向图的建立 | 第41-44页 |
| 4.1.4 最短路径算法 | 第44页 |
| 4.1.5 实验结果与分析 | 第44-45页 |
| 4.2 基于最外边缘搜索的海天线检测方法 | 第45-51页 |
| 4.2.1 基于几何距离和二次约束的椭圆拟合技术 | 第46-47页 |
| 4.2.2 海天线粗略提取 | 第47-49页 |
| 4.2.3 海天线精确提取 | 第49-50页 |
| 4.2.4 实验结果与分析 | 第50-51页 |
| 4.3 基于最长曲线搜索的海天线检测方法 | 第51-57页 |
| 4.3.1 双阈值梯度方向抑制 | 第51-52页 |
| 4.3.2 边缘细化 | 第52-53页 |
| 4.3.3 边缘信息统计 | 第53-54页 |
| 4.3.4 最长曲线搜索的海天线边缘提取 | 第54-56页 |
| 4.3.5 实验结果与分析 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 基于全景视觉的舰船小目标检测方法研究 | 第58-65页 |
| 5.1 现有的可见光海面目标检测方法 | 第58-60页 |
| 5.1.1 频率调谐法 | 第58-59页 |
| 5.1.2 提升小波法 | 第59-60页 |
| 5.2 基于单窗口阈值的序列图像小目标检测方法 | 第60-64页 |
| 5.2.1 单帧图像的小目标检测 | 第60-62页 |
| 5.2.2 序列图像的小目标确认方法 | 第62-64页 |
| 5.3 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-72页 |
| 致谢 | 第72页 |