| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状和水平 | 第9-11页 |
| 1.3 论文主要研究内容及章节安排 | 第11-14页 |
| 1.3.1 论文主要研究内容 | 第11-12页 |
| 1.3.2 章节安排 | 第12-14页 |
| 第2章 可分离稀疏信号压缩感知框架 | 第14-25页 |
| 2.1 引言 | 第14页 |
| 2.2 压缩感知基本理论 | 第14-16页 |
| 2.2.1 信号的稀疏表示 | 第15页 |
| 2.2.2 信号压缩 | 第15-16页 |
| 2.2.3 信号重构 | 第16页 |
| 2.3 可分离稀疏信号压缩感知框架 | 第16-18页 |
| 2.3.1 可分离稀疏信号分解 | 第17-18页 |
| 2.3.2 稀疏信号分量压缩感知 | 第18页 |
| 2.4 红外小目标图像信号压缩感知方法 | 第18-20页 |
| 2.5 实验结果与分析 | 第20-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于压缩量测的红外小目标检测方法 | 第25-44页 |
| 3.1 引言 | 第25-26页 |
| 3.2 基于压缩量测的目标粗检测方法 | 第26-31页 |
| 3.2.1 图像分解与压缩感知 | 第26-27页 |
| 3.2.2 压缩检测器构造 | 第27-29页 |
| 3.2.3 实验结果与分析 | 第29-31页 |
| 3.3 基于压缩量测的目标定位方法 | 第31-43页 |
| 3.3.1 压缩量测全局搜索定位法 | 第31-32页 |
| 3.3.2 压缩量测局部搜索定位法 | 第32-34页 |
| 3.3.3 压缩量测Mean-Shift定位法 | 第34-36页 |
| 3.3.4 实验结果与分析 | 第36-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 多传感器红外小目标三维跟踪 | 第44-60页 |
| 4.1 引言 | 第44-45页 |
| 4.2 多传感器多目标数据关联方法 | 第45-48页 |
| 4.2.1 霍夫变换直线检测 | 第45-46页 |
| 4.2.2 基于霍夫变换直线检测的同一传感器帧间数据关联算法 | 第46-48页 |
| 4.2.3 多传感器间的多目标数据关联算法 | 第48页 |
| 4.3 基于无迹卡尔曼滤波的多传感器红外小目标滤波算法 | 第48-54页 |
| 4.3.1 无迹变换 | 第48-49页 |
| 4.3.2 无迹卡尔曼滤波算法 | 第49-51页 |
| 4.3.3 基于无迹卡尔曼的多传感器红外小目标滤波算法 | 第51-54页 |
| 4.4 实验结果与分析 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间的研究成果 | 第67页 |
