| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题背景及意义 | 第13页 |
| 1.2 研究现状综述 | 第13-17页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.2.3 难点及问题分析 | 第16-17页 |
| 1.3 本文研究目的及主要内容 | 第17-21页 |
| 1.3.1 本文主要研究内容 | 第17-18页 |
| 1.3.2 本文的文章结构 | 第18-21页 |
| 第二章 红外和可见光图像的协同分析介绍 | 第21-31页 |
| 2.1 红外图像和可见光图像成像原理及特性 | 第21-23页 |
| 2.2 红外和可见光图像特征 | 第23页 |
| 2.3 图像融合的层次划分 | 第23-25页 |
| 2.4 常用的图像融合的方法介绍 | 第25-28页 |
| 2.5 分类识别的评价体系 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第三章 基于DSIFT的码书较少模型的特征提取方法 | 第31-43页 |
| 3.1 DSIFT局部特征提取 | 第32-33页 |
| 3.2 码书较少模型 | 第33-35页 |
| 3.3 空间金字塔匹配 | 第35-36页 |
| 3.4 基于SVM分类器的图像分类 | 第36页 |
| 3.5 实验结果与分析 | 第36-41页 |
| 3.5.1 实验数据介绍 | 第37页 |
| 3.5.2 参数调节优化 | 第37-39页 |
| 3.5.3 实验结果分析 | 第39-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第四章 红外和可见光图像的特征级融合分类 | 第43-59页 |
| 4.1 基于红外和可见光图像的融合分类框架 | 第43-44页 |
| 4.2 核的概念 | 第44-45页 |
| 4.3 基于复合核方式的红外和可见光的特征级融合方法 | 第45-46页 |
| 4.4 实验结果与分析 | 第46-57页 |
| 4.4.1 实验数据介绍 | 第47-49页 |
| 4.4.2 参数调节优化 | 第49-51页 |
| 4.4.3 实验结果分析 | 第51-57页 |
| 4.4.3.1 RGB-NIR 数据实验结果 | 第51-54页 |
| 4.4.3.2 VAIS数据实验结果 | 第54-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 基于IEMD-RPCA的红外小目标检测 | 第59-71页 |
| 5.1 红外小目标检测的整体框架 | 第59-60页 |
| 5.2 基于二维IEMD方法的图像特征提取 | 第60-61页 |
| 5.3 基于RPCA的小目标检测算法 | 第61-64页 |
| 5.4 实验结果与分析 | 第64-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 结论 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 研究成果及发表的学术论文 | 第81-83页 |
| 作者和导师简介 | 第83-84页 |
| 北京化工大学专业学位硕士研宄生学位论文答辩委员会决议书 | 第84-85页 |
