| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究的背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 红外热成像检测技术研究国外现状 | 第11-13页 |
| 1.2.2 红外热成像检测技术研究国内现状 | 第13页 |
| 1.3 图像处理技术概述 | 第13-15页 |
| 1.3.1 应用范围 | 第13-15页 |
| 1.3.2 发展趋势 | 第15页 |
| 1.4 红外热成像人体检测的关键技术问题 | 第15-16页 |
| 1.5 本文研究的主要内容及结构 | 第16-18页 |
| 第2章 经典的红外热成像图像人体目标检测方法 | 第18-40页 |
| 2.1 引言 | 第18页 |
| 2.2 红外热成像的滤波算法 | 第18-23页 |
| 2.2.1 平滑滤波算法 | 第19页 |
| 2.2.2 低通滤波算法 | 第19-20页 |
| 2.2.3 中值滤波算法 | 第20-21页 |
| 2.2.4 适合红外热成像的滤波算法 | 第21-23页 |
| 2.3 图像分割 | 第23-33页 |
| 2.3.1 边缘检测图像分割法 | 第23-25页 |
| 2.3.2 阈值分割法 | 第25-30页 |
| 2.3.3 聚类分割方法 | 第30-33页 |
| 2.4 特征提取 | 第33-35页 |
| 2.4.1 傅里叶描述子 | 第33-34页 |
| 2.4.2 Harr小波特征 | 第34页 |
| 2.4.3 梯度方向直方图特征 | 第34-35页 |
| 2.5 目标识别 | 第35-39页 |
| 2.5.1 Adaboost方法 | 第36页 |
| 2.5.2 Fisher线性判别 | 第36-38页 |
| 2.5.3 SVM方法 | 第38-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第3章 基于改进的K-means聚类红外热成像人体目标分割算法 | 第40-48页 |
| 3.1 引言 | 第40页 |
| 3.2 全局K-means聚类算法 | 第40-42页 |
| 3.3 一种改进的快速全局K-means聚类算法 | 第42-45页 |
| 3.3.1 均值滤波与中值滤波的特性分析 | 第42-44页 |
| 3.3.2 改进的K-means方法 | 第44-45页 |
| 3.4 图像分割实验 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 红外热成像人体目标的特征提取与特征识别 | 第48-56页 |
| 4.1 引言 | 第48页 |
| 4.2 HOG特征提取 | 第48-51页 |
| 4.2.1 HOG特征提取算法的简介 | 第48页 |
| 4.2.2 HOG特征提取算法的实现过程 | 第48-51页 |
| 4.2.3 HOG特征提取算法的优点 | 第51页 |
| 4.3 目标识别 | 第51-55页 |
| 4.3.1 SVM分类器 | 第51-52页 |
| 4.3.2 选择最优分界面 | 第52-53页 |
| 4.3.3 训练样本集的产生 | 第53-54页 |
| 4.3.4 人体识别实验 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 实验研究 | 第56-64页 |
| 5.1 引言 | 第56页 |
| 5.2 红外图像采集以及图像处理 | 第56-59页 |
| 5.2.1 红外热成像的采集 | 第56-57页 |
| 5.2.2 红外热成像处理分析 | 第57-59页 |
| 5.3 实验结果分析 | 第59-63页 |
| 5.4 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第72-73页 |
| 致谢 | 第73页 |