| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究的背景与意义 | 第9-12页 |
| 1.2 无源毫米波成像系统目标检测识别算法研究与发展 | 第12-14页 |
| 1.2.1 特征提取方法发展现状 | 第12页 |
| 1.2.2 目标检测算法发展现状 | 第12-13页 |
| 1.2.3 目标识别算法发展现状 | 第13-14页 |
| 1.3 本论文的主要工作和章节安排 | 第14-16页 |
| 1.3.1 本论文的主要工作 | 第14-15页 |
| 1.3.2 本论文的章节安排 | 第15-16页 |
| 第二章 无源毫米波目标检测与识别技术基础概述 | 第16-24页 |
| 2.1 无源毫米波成像目标检测识别系统组成 | 第16-17页 |
| 2.2 无源毫米波成像技术基本理论 | 第17-19页 |
| 2.2.1 黑体辐射理论 | 第17-18页 |
| 2.2.2 无源毫米波成像系统数学模型 | 第18-19页 |
| 2.2.3 无源毫米波成像特点 | 第19页 |
| 2.3 基于高斯及径向模糊方法模拟毫米波图像 | 第19-21页 |
| 2.4 图像增强及分割方法研究 | 第21-23页 |
| 2.4.1 毫米波图像增强算法研究 | 第21-22页 |
| 2.4.1.1 非线性外推图像增强基本原理 | 第21页 |
| 2.4.1.2 小波域非线性外推图像增强算法研究 | 第21-22页 |
| 2.4.2 毫米波图像分割算法的应用 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 无源毫米波图像特征提取方法研究 | 第24-46页 |
| 3.1 毫米波图像典型特征提取方法分析 | 第24-36页 |
| 3.1.1 SUSAN算子特征提取分析 | 第24-26页 |
| 3.1.2 Forstner算子特征提取分析 | 第26-27页 |
| 3.1.3 SIFT算子特征提取分析 | 第27-36页 |
| 3.2 特征提取方法稳定性比较 | 第36-38页 |
| 3.3 SIFT算子特征描述符的简化研究 | 第38-40页 |
| 3.4 基于方向可变滤波器的梯度计算优化研究 | 第40-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 无源毫米波图像目标检测与识别算法研究 | 第46-64页 |
| 4.1 基于高斯混合模型的目标检测算法研究 | 第46-53页 |
| 4.1.1 高斯混合模型背景建立 | 第46-47页 |
| 4.1.2 高斯混合模型背景更新 | 第47-51页 |
| 4.1.3 基于改进的高斯混合模型的目标检测算法研究 | 第51-52页 |
| 4.1.4 基于改进的高斯混合模型目标检测算法仿真 | 第52-53页 |
| 4.2 基于特征袋模型的目标识别算法研究 | 第53-62页 |
| 4.2.1 特征袋模型构建过程 | 第53-58页 |
| 4.2.1.1 检测和描述图像块 | 第55-56页 |
| 4.2.1.2 K-Means聚类算法 | 第56-57页 |
| 4.2.1.3 码书对基于特征袋模型的目标识别的影响因素 | 第57页 |
| 4.2.1.4 目标图像的特征袋模型量化过程 | 第57-58页 |
| 4.2.2 基于特征袋模型的分类器设计研究 | 第58-61页 |
| 4.2.3 基于特征袋模型的毫米波目标识别算法仿真实验 | 第61-62页 |
| 4.3 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 工作总结 | 第64页 |
| 5.2 工作展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间取得的研究成果 | 第70-71页 |
