| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 引言 | 第11页 |
| 1.2 研究背景和意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 红外图像预处理技术现状分析 | 第12-13页 |
| 1.3.2 红外小目标检测技术现状分析 | 第13-14页 |
| 1.3.3 红外小目标跟踪技术现状分析 | 第14-15页 |
| 1.4 本文主要研究内容和章节安排 | 第15-17页 |
| 第2章 红外图像预处理技术研究 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 几种常见的红外图像预处理方法 | 第17-24页 |
| 2.2.1 空域高通模板滤波 | 第17-18页 |
| 2.2.2 中值滤波 | 第18-19页 |
| 2.2.3 邻域最小差值滤波 | 第19-20页 |
| 2.2.4 频域高通滤波 | 第20-22页 |
| 2.2.5 数学形态学滤波 | 第22-24页 |
| 2.3 常见的红外图像预处理算法性能对比 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 红外小目标检测算法研究 | 第27-51页 |
| 3.1 引言 | 第27页 |
| 3.2 常用的红外小目标检测算法 | 第27-33页 |
| 3.2.1 典型的DBT算法 | 第28-29页 |
| 3.2.2 基于多帧能量累积的DBT算法 | 第29-31页 |
| 3.2.3 基于三维匹配滤波器的TBD算法 | 第31-32页 |
| 3.2.4 基于动态规划的TBD算法 | 第32-33页 |
| 3.2.5 两类目标检测算法总结 | 第33页 |
| 3.3 结合形态学滤波和运动相似模型的红外小目标检测算法 | 第33-49页 |
| 3.3.1 改进的Top-hat滤波 | 第34-36页 |
| 3.3.2 自适应阈值分割 | 第36-38页 |
| 3.3.3 运动模型和运动相似模型 | 第38-42页 |
| 3.3.4 仿真实验与结果分析 | 第42-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 红外小目标跟踪算法研究 | 第51-76页 |
| 4.1 引言 | 第51页 |
| 4.2 常用的红外小目标跟踪算法 | 第51-60页 |
| 4.2.1 基于粒子滤波的红外小目标跟踪算法 | 第52-55页 |
| 4.2.2 Mean-Shift框架下的红外小目标跟踪算法 | 第55-60页 |
| 4.3 基于卡尔曼滤波器的多模型红外小目标跟踪算法 | 第60-68页 |
| 4.3.1 运动模型 | 第60-61页 |
| 4.3.2 外观相似模型 | 第61-63页 |
| 4.3.3 算法描述 | 第63页 |
| 4.3.4 仿真实验与结果分析 | 第63-68页 |
| 4.4 基于图像稀疏理论的小目标跟踪算法 | 第68-75页 |
| 4.4.1 图像稀疏理论 | 第68-69页 |
| 4.4.2 基于图像稀疏理论的小目标跟踪算法 | 第69-73页 |
| 4.4.3 仿真实验与结果分析 | 第73-75页 |
| 4.5 本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第83-84页 |
| 致谢 | 第84页 |
