基于稀疏贝叶斯学习的小弱目标检测算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题背景及研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究的主要内容及结构安排 | 第13-14页 |
| 1.4 本章小结 | 第14-16页 |
| 2 稀疏贝叶斯理论基础 | 第16-27页 |
| 2.1 稀疏表示的基本理论 | 第16-21页 |
| 2.1.1 稀疏表示的数学模型 | 第16-17页 |
| 2.1.2 稀疏性的度量 | 第17-18页 |
| 2.1.3 稀疏解的唯一性 | 第18-19页 |
| 2.1.4 稀疏模型的求解 | 第19-21页 |
| 2.2 贝叶斯理论 | 第21-24页 |
| 2.2.1 条件概率和乘法定理 | 第21-22页 |
| 2.2.2 最大似然估计和贝叶斯估计 | 第22-23页 |
| 2.2.3 动态系统的贝叶斯估计 | 第23-24页 |
| 2.3 稀疏贝叶斯算法框架 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 红外小弱目标图像及稀疏特性分析 | 第27-45页 |
| 3.1 红外目标图像特性 | 第27-31页 |
| 3.1.1 红外目标图像的能量特性 | 第27-30页 |
| 3.1.2 红外目标图像场景分析 | 第30-31页 |
| 3.2 图像的稀疏表示 | 第31-34页 |
| 3.3 图像时域稀疏特性 | 第34-38页 |
| 3.4 图像空域稀疏特性分析 | 第38-44页 |
| 3.4.1 字典原子关联度分析 | 第38-40页 |
| 3.4.2 字典原子聚类 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于稀疏贝叶斯的目标检测 | 第45-65页 |
| 4.1 稀疏统计特性分析 | 第45-54页 |
| 4.1.1 分布的拟合与检验 | 第45-50页 |
| 4.1.2 核密度估计 | 第50-54页 |
| 4.2 基于稀疏贝叶斯的小弱目标检测算法 | 第54-64页 |
| 4.2.1 最小错误率贝叶斯决策 | 第54-56页 |
| 4.2.2 目标检测算法原理及步骤 | 第56-57页 |
| 4.2.3 目标检测模型建立 | 第57-61页 |
| 4.2.4 实验结果及分析 | 第61-64页 |
| 4.3 本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 工作总结 | 第65-66页 |
| 5.2 工作展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 附录 | 第75页 |
| A.作者在攻读学位期间发表的论文目录 | 第75页 |
| B.作者在攻读学位期间取得的科研成果目录 | 第75页 |
