| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10页 |
| 1.2 相关技术的发展概况 | 第10-14页 |
| 1.2.1 远距离成像弱小目标检测技术及其研究现状 | 第10-12页 |
| 1.2.2 性能评估技术的研究现状 | 第12-14页 |
| 1.3 本文的内容安排及结构 | 第14-16页 |
| 第二章 红外背景抑制算法 | 第16-42页 |
| 2.1 引言 | 第16页 |
| 2.2 图像数据生成 | 第16-22页 |
| 2.2.1 图像数据生成原理 | 第17-18页 |
| 2.2.2 图像数据生成过程 | 第18-20页 |
| 2.2.3 图像数据生成结果 | 第20-22页 |
| 2.3 典型的背景抑制方法 | 第22-24页 |
| 2.3.1 基于数学形态学的背景抑制方法 | 第22-23页 |
| 2.3.2 基于Butterworth高通滤波器的背景抑制方法 | 第23-24页 |
| 2.4 基于小波变换与三次小平面模型的背景抑制方法 | 第24-30页 |
| 2.4.1 基于峰度的高斯判别准则的建立 | 第24-26页 |
| 2.4.2 二维离散小波包变换 | 第26-27页 |
| 2.4.3 基于三次小平面拟合的预处理方法 | 第27-30页 |
| 2.4.4 算法的实现流程 | 第30页 |
| 2.5 实验验证与结果分析 | 第30-40页 |
| 2.6 小结 | 第40-42页 |
| 第三章 序列红外图像弱小目标检测 | 第42-54页 |
| 3.1 序列红外图像弱小目标检测算法设计 | 第42-44页 |
| 3.2 算法描述 | 第44-46页 |
| 3.2.1 管道滤波排除虚警 | 第44-45页 |
| 3.2.2 算法的实现流程 | 第45-46页 |
| 3.3 检测结果与分析 | 第46-51页 |
| 3.4 算法软件界面 | 第51-52页 |
| 3.5 小结 | 第52-54页 |
| 第四章 基于支持向量回归（SVR）的性能评估 | 第54-80页 |
| 4.1 引言 | 第54-55页 |
| 4.2 支持向量回归机及其相关理论 | 第55-63页 |
| 4.2.1 支持向量机(SVM） | 第55-59页 |
| 4.2.2 支持向量回归机（SVR） | 第59-63页 |
| 4.3 基于SVR的算法性能评估 | 第63-66页 |
| 4.3.1 图像特征指标 | 第63-64页 |
| 4.3.2 算法性能指标 | 第64-65页 |
| 4.3.3 性能评估平台 | 第65-66页 |
| 4.4 实验结果及分析 | 第66-79页 |
| 4.4.1 单一特征的实验结果及分析 | 第66-73页 |
| 4.4.2 多元特征的实验结果及分析 | 第73-79页 |
| 4.5 小结 | 第79-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 5.1 全文工作总结 | 第80页 |
| 5.2 课题展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-88页 |
