| 目录 | 第1-6页 |
| 表目录 | 第6-7页 |
| 图目录 | 第7-9页 |
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-22页 |
| ·引言 | 第13-15页 |
| ·国内外发展现状及主要发展趋势 | 第15-19页 |
| ·红外警戒系统的发展历程及研究概况 | 第15-16页 |
| ·相关技术发展概况 | 第16-19页 |
| ·论文主要工作及章节安排 | 第19-22页 |
| 第二章 红外图像预处理方法研究 | 第22-32页 |
| ·引言 | 第22页 |
| ·红外图像增强算法研究 | 第22-27页 |
| ·红外图像增强 | 第22-23页 |
| ·快速图像增强算法 | 第23-27页 |
| ·周扫条件下的图像快速配准 | 第27-31页 |
| ·红外图像模板匹配 | 第27-29页 |
| ·局部投影匹配算法 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 候选目标 ROI 检测方法研究 | 第32-53页 |
| ·引言 | 第32页 |
| ·基于单帧图像目标检测的背景初始化方法 | 第32-36页 |
| ·得分法自适应阈值选取算法 | 第32-34页 |
| ·基于双向投影的目标区域定位 | 第34-36页 |
| ·红外序列图像候选目标检测算法研究 | 第36-45页 |
| ·常用的背景建模方法 | 第36-39页 |
| ·选择性分级自适应背景建模法 | 第39-43页 |
| ·实验与分析 | 第43-45页 |
| ·基于 FAST 算法和 CS-LBP 算法的 ROI 检测方 | 第45-48页 |
| ·“伪目标”的初步剔除 | 第48-50页 |
| ·实验与分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于多特征提取的 ROI 分类识别方法研究 | 第53-66页 |
| ·引言 | 第53页 |
| ·目标特征的表征方式 | 第53-55页 |
| ·目标特征提取算法 | 第55-59页 |
| ·改进的 Haar-like 特征 | 第55-58页 |
| ·MR-LBP 特征提取 | 第58-59页 |
| ·基于模式识别方法的人体目标识别 | 第59-62页 |
| ·基于 SVM 的 HOG 特征分类 | 第59页 |
| ·基于 Adaboost 的特征分类 | 第59-62页 |
| ·实验与分析 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 红外警戒系统的系统实现 | 第66-74页 |
| ·引言 | 第66页 |
| ·红外警戒系统的硬件结构 | 第66-70页 |
| ·红外警戒信息处理系统总体组成 | 第66-67页 |
| ·系统硬件实现 | 第67-70页 |
| ·红外警戒系统的用户软件简介 | 第70-71页 |
| ·“周扫式”红外警戒系统性能展示 | 第71-74页 |
| ·简单环境下测试结果 | 第71-72页 |
| ·复杂环境下测试结果 | 第72-74页 |
| 第六章 全文总结与展望 | 第74-77页 |
| ·全文工作总结 | 第74-75页 |
| ·工作展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 作者攻读硕士期间的学术成果 | 第84页 |