首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

目标探测中偏振信息提取的关键技术与应用

摘要第5-7页
Abstract第7-8页
1 绪论第12-25页
    1.1 课题研究的背景及意义第12-13页
    1.2 偏振成像技术的研究现状以及面临问题第13-22页
        1.2.1 偏振信息参数的测量第14-18页
        1.2.2 偏振信息与物体表面光学特征关系第18-20页
        1.2.3 基于偏振信息的目标探测技术第20-21页
        1.2.4 偏振信息在运动目标检测中的应用第21-22页
        1.2.5 目标探测中偏振信息提取与应用面临的主要技术难点第22页
    1.3 本文主要研究工作与结构第22-25页
2 偏振参数图像的快速测量技术第25-53页
    2.1 偏振态的定量描述方式第25-30页
        2.1.1 电矢量表示法第25-26页
        2.1.2 Jones矢量表示法以及Jones矩阵第26-28页
        2.1.3 Stokes矢量以及Mueller矩阵第28-29页
        2.1.4 偏振度、偏振角和椭偏角第29页
        2.1.5 Poincare球表示法第29-30页
    2.2 Stokes参数图像的实时测量装置第30-47页
        2.2.1 Stokes参数图像的测量原理第30-32页
        2.2.2 视场差异校正第32-38页
        2.2.3 灰度响应校准第38-47页
    2.3 Mueller矩阵图像的快速测量装置第47-52页
        2.3.1 主动偏振成像装置第47-49页
        2.3.2 Mueller矩阵图像的快速测量装置第49-52页
    2.4 本章小结第52-53页
3 基于偏振特性参数的物体表面特征提取技术第53-72页
    3.1 基于Mueller矩阵提取物体表面光学常数第53-62页
        3.1.1 光学常数第53-54页
        3.1.2 Fresnel反射系数与光学常数的关系第54-55页
        3.1.3 基于Mueller矩阵求解光学常数第55-58页
        3.1.4 实验结果及小结第58-62页
    3.2 基于Mueller矩阵提取物体表面粗糙度信息第62-71页
        3.2.1 Cook-Torrance反射模型第62-64页
        3.2.2 每个像素点入射角计算第64-66页
        3.2.3 目标表面粗糙度的计算第66页
        3.2.4 实验结果第66-71页
    3.3 本章小结第71-72页
4 基于偏振特征融合的目标增强技术第72-94页
    4.1 Mueller矩阵变换以及新的偏振指数R(M)第72-81页
        4.1.1 Mueller矩阵的偏振特性表示第72-73页
        4.1.2 R(M)的获取第73-75页
        4.1.3 R(M)的验证第75-77页
        4.1.4 R(M)在目标探测中的应用第77-81页
    4.2 基于Mueller矩阵图像的目标增强方法第81-93页
        4.2.1 小波理论第81-83页
        4.2.2 像素级图像融合及评价指标第83-86页
        4.2.3 基于偏振特征融合的目标增强方法第86-92页
        4.2.4 融合结果与图像质量评价第92-93页
    4.3 本章小结第93-94页
5 基于偏振信息快速提取技术的运动目标检测第94-109页
    5.1 目标与背景偏振信息快速提取第94-99页
        5.1.1 偏振特征参数的快速提取第94-95页
        5.1.2 基于偏振信息的目标与背景快速判别方法第95-99页
    5.2 运动目标检测方法第99-104页
        5.2.1 基于单应变换的运动目标检测方法第99-100页
        5.2.2 基于极线约束的运动目标检测方法第100-102页
        5.2.3 基于三视角约束的运动目标检测方法第102-104页
    5.3 实验与分析第104-107页
        5.3.1 实验结果第104-106页
        5.3.2 评价指标第106-107页
    5.4 本章小结第107-109页
6 总结与展望第109-111页
    6.1 研究成果与创新点第109-110页
    6.2 研究展望第110-111页
致谢第111-112页
参考文献第112-126页
附录第126页

论文共126页,点击 下载论文
上一篇:特征抽取和分类算法及其在人脸识别中的应用
下一篇:时间式网络隐蔽信道抗扰技术研究