| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 红外图像目标识别的系统结构和思路 | 第8-9页 |
| 1.2.1 红外图像目标识别的系统结构 | 第8页 |
| 1.2.2 红外图像目标识别的两种思路 | 第8-9页 |
| 1.3 红外图像目标识别方法研究现状 | 第9-13页 |
| 1.3.1 基于训练和学习的红外图像目标识别方法 | 第10-11页 |
| 1.3.2 基于非训练的红外图像目标识别方法 | 第11-13页 |
| 1.4 本文主要内容 | 第13-14页 |
| 2 基于非训练的红外图像目标识别方法相关理论 | 第14-25页 |
| 2.1 图像预处理 | 第14-17页 |
| 2.1.1 噪声处理 | 第14-15页 |
| 2.1.2 图像增强 | 第15-17页 |
| 2.2 图像特征提取 | 第17-22页 |
| 2.2.1 灰度共生矩阵 | 第17-18页 |
| 2.2.2 SIFT(Scale-invariant feature transform) | 第18-19页 |
| 2.2.3 LBP(Local Binary Patterns) | 第19-20页 |
| 2.2.4 基于核回归(Kernel Regression)的特征提取 | 第20-22页 |
| 2.3 图像特征相似性匹配 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于局部自适应回归核(LARK)的结构特征提取方法 | 第25-33页 |
| 3.1 LARK计算原理 | 第25-29页 |
| 3.2 LARK权值矩阵 | 第29-31页 |
| 3.3 基于LARK特征提取方法的目标识别系统 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 局部相似结构统计匹配(LSSSM)模型 | 第33-43页 |
| 4.1 简单模板集的局部结构分析 | 第34-38页 |
| 4.1.1 构建简单模板集 | 第34-35页 |
| 4.1.2 简单模板集的降维 | 第35-38页 |
| 4.2 LSSSM模型原理 | 第38-41页 |
| 4.2.1 相似性匹配 | 第38-40页 |
| 4.2.2 生成相似度图像 | 第40-41页 |
| 4.3 根据相似度图像获取目标信息 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 参数分析及实验结果 | 第43-49页 |
| 5.1 参数分析 | 第43-44页 |
| 5.1.1 相似度阈值τ | 第43-44页 |
| 5.1.2 相似度图像RM的全局阈值T_(num)和非极大值抑制参数η | 第44页 |
| 5.2 实验结果 | 第44-48页 |
| 5.2.1 红外人体识别实验 | 第45-46页 |
| 5.2.2 红外车辆识别实验 | 第46-48页 |
| 5.3 本章小结 | 第48-49页 |
| 6 总结与展望 | 第49-51页 |
| 6.1 论文总结 | 第49页 |
| 6.2 后期工作展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录 | 第57页 |
