红外目标检测与识别理论与技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-25页 |
| ·课题的背景和意义 | 第12-14页 |
| ·红外目标图像滤波及预处理技术 | 第14-18页 |
| ·红外目标图像滤波及预处理技术概述 | 第14-15页 |
| ·红外目标图像滤波及预处理技术研究现状 | 第15-18页 |
| ·红外目标检测技术 | 第18-21页 |
| ·红外目标检测技术概述 | 第18-19页 |
| ·红外目标检测技术研究现状 | 第19-21页 |
| ·红外目标识别技术 | 第21-23页 |
| ·红外目标识别技术概述 | 第21页 |
| ·红外目标识别技术研究现状 | 第21-23页 |
| ·本文主要研究内容 | 第23-25页 |
| 第2章 空时域滤波在红外目标检测中的应用 | 第25-48页 |
| ·引言 | 第25-27页 |
| ·空域自适应滤波基础理论 | 第27-31页 |
| ·时域差分滤波 | 第31-37页 |
| ·时域差分 | 第31页 |
| ·梯度及边缘点检测 | 第31-35页 |
| ·邻域插值补偿 | 第35-37页 |
| ·综合检测 | 第37-39页 |
| ·仿真分析 | 第39-47页 |
| ·本章小结 | 第47-48页 |
| 第3章 红外目标运动检测分析 | 第48-69页 |
| ·引言 | 第48-49页 |
| ·光流法分析 | 第49-54页 |
| ·光流法估计 | 第49-52页 |
| ·光流法误差分析 | 第52-54页 |
| ·梯度运动估计 | 第54-56页 |
| ·灰色预测理论 | 第56-62页 |
| ·灰色关联分析 | 第57-58页 |
| ·灰色聚类 | 第58-60页 |
| ·GM(1,1)模型 | 第60-62页 |
| ·仿真分析 | 第62-67页 |
| ·本章小结 | 第67-69页 |
| 第4章 基于灰度估计的红外目标检测研究 | 第69-85页 |
| ·引言 | 第69-70页 |
| ·改进的最大熵理论 | 第70-74页 |
| ·形态算子滤波描述 | 第74-75页 |
| ·仿真分析 | 第75-84页 |
| ·本章小结 | 第84-85页 |
| 第5章 红外目标逐步匹配识别算法研究 | 第85-108页 |
| ·引言 | 第85-86页 |
| ·传统图像分割方法 | 第86-88页 |
| ·直方图法 | 第86页 |
| ·统计阈值 | 第86-88页 |
| ·基于博弈论的退火算法 | 第88-92页 |
| ·问题的描述 | 第88-89页 |
| ·博弈论的内容 | 第89-90页 |
| ·用GSA算法图像分割初探 | 第90-92页 |
| ·图像的矩函数理论 | 第92-96页 |
| ·矩函数的基本概念 | 第92-93页 |
| ·矩-傅里叶描述子和Legendre矩 | 第93-96页 |
| ·改进的逐步匹配识别算法 | 第96-98页 |
| ·加权的欧几里德距离 | 第96-97页 |
| ·识别算法 | 第97-98页 |
| ·仿真分析 | 第98-107页 |
| ·本章小结 | 第107-108页 |
| 第6章 基于标记和神经网络的红外目标识别算法研究 | 第108-129页 |
| ·引言 | 第108-109页 |
| ·递归标记算法 | 第109-112页 |
| ·神经网络理论 | 第112-117页 |
| ·多级模板匹配识别 | 第117-119页 |
| ·仿真分析 | 第119-128页 |
| ·本章小结 | 第128-129页 |
| 结论 | 第129-132页 |
| 参考文献 | 第132-142页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第142-143页 |
| 致谢 | 第143页 |
