| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 红外目标检测方法研究现状 | 第14-16页 |
| 1.2.2 基于人类视觉系统的红外目标检测方法研究现状 | 第16-17页 |
| 1.2.3 基于粒子滤波的红外目标跟踪方法研究现状 | 第17-18页 |
| 1.3 本文的主要内容及组织结构 | 第18-20页 |
| 1.4 本文主要创新点 | 第20-21页 |
| 第二章 基于视觉对比机制的红外弱小目标检测方法 | 第21-31页 |
| 2.1 梯度显著图提取 | 第21-22页 |
| 2.2 梯度显著图优化处理 | 第22-23页 |
| 2.3 视觉对比检测算法 | 第23-25页 |
| 2.4 算法流程 | 第25-26页 |
| 2.5 仿真实验 | 第26-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于卷积神经网络的红外目标检测方法 | 第31-41页 |
| 3.1 卷积神经网络基本原理 | 第31-34页 |
| 3.1.1 人工神经网络 | 第31-32页 |
| 3.1.2 卷积神经网络原理 | 第32-34页 |
| 3.2 卷积神经网络应用 | 第34-35页 |
| 3.3 仿真实验 | 第35-38页 |
| 3.4 本章小结 | 第38-41页 |
| 第四章 万有引力优化的粒子滤波算法 | 第41-59页 |
| 4.1 粒子滤波算法 | 第41-47页 |
| 4.1.1 系统状态空间模型 | 第42页 |
| 4.1.2 贝叶斯滤波原理 | 第42-43页 |
| 4.1.3 贝叶斯重要性采样和序贯重要性采样 | 第43-46页 |
| 4.1.4 序贯重要性重采样算法 | 第46-47页 |
| 4.2 基于精英策略和感知模型的万有引力优化算法 | 第47-49页 |
| 4.3 基于万有引力优化的粒子滤波算法步骤 | 第49-50页 |
| 4.4 仿真实验与分析 | 第50-57页 |
| 4.4.1 单变量非静态增长模型 | 第50-55页 |
| 4.4.2 纯角度二维目标跟踪模型 | 第55-57页 |
| 4.5 本章结论 | 第57-59页 |
| 第五章 基于特征融合的粒子滤波红外目标跟踪算法 | 第59-67页 |
| 5.1 目标特征提取 | 第59-61页 |
| 5.1.1 灰度直方图特征特征提取 | 第59-60页 |
| 5.1.2 方向梯度直方图特征提取 | 第60-61页 |
| 5.2 红外目标跟踪算法 | 第61-63页 |
| 5.2.1 状态转移模型 | 第61页 |
| 5.2.2 观测模型 | 第61-62页 |
| 5.2.3 算法流程 | 第62-63页 |
| 5.3 实验结果与分析 | 第63-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 研究总结 | 第67-68页 |
| 6.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士期间所发表的学术论文及科研成果 | 第75-77页 |
| 致谢 | 第77页 |