| 作者简介 | 第2-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景和研究意义 | 第9-11页 |
| 1.2 国内外研究现状分析 | 第11-17页 |
| 1.3 研究内容与创新点 | 第17-19页 |
| 第二章 弱小目标与背景杂波的可分离性分析 | 第19-39页 |
| 2.1 引言 | 第19页 |
| 2.2 红外图像的特性分析 | 第19-32页 |
| 2.2.1 噪声特性 | 第20-22页 |
| 2.2.2 背景特性 | 第22-24页 |
| 2.2.3 弱小目标特性 | 第24-26页 |
| 2.2.4 综合分析 | 第26-32页 |
| 2.3 弱小目标与背景杂波的可分离性分析 | 第32-37页 |
| 2.3.1 背景灰度分布相关特性 | 第34-35页 |
| 2.3.2 目标灰度帧间相关特性 | 第35-37页 |
| 2.4 小结 | 第37-39页 |
| 第三章 基于背景灰度分布相关的局域同质背景预测算法 | 第39-59页 |
| 3.1 引言 | 第39页 |
| 3.2 背景预测模型 | 第39-45页 |
| 3.3 背景分类与各向异性背景预测方法 | 第45-50页 |
| 3.3.1 背景分类 | 第45-46页 |
| 3.3.2 各向异性背景预测算法 | 第46-50页 |
| 3.4 局域同质背景预测算法 | 第50-57页 |
| 3.4.1 局域同质背景预测算法 | 第50-55页 |
| 3.4.2 算法仿真分析 | 第55-57页 |
| 3.5 小结 | 第57-59页 |
| 第四章 基于对比滤波的时域廓线算法 | 第59-75页 |
| 4.1 引言 | 第59页 |
| 4.2 时域廓线模型 | 第59-62页 |
| 4.2.1 平稳背景像素时域廓线模型 | 第60页 |
| 4.2.2 杂波像素时域廓线模型 | 第60页 |
| 4.2.3 目标像素时域廓线模型 | 第60-62页 |
| 4.3 时域廓线的统计特性分析 | 第62-66页 |
| 4.4 对比滤波时域廓线算法 | 第66-74页 |
| 4.4.1 平稳背景滤除 | 第67-68页 |
| 4.4.2 对比滤波 | 第68-69页 |
| 4.4.3 弱小目标检测 | 第69-73页 |
| 4.4.4 算法仿真分析 | 第73-74页 |
| 4.5 小结 | 第74-75页 |
| 第五章 基于运动方向估计的管道滤波算法 | 第75-91页 |
| 5.1 引言 | 第75页 |
| 5.2 管道滤波算法 | 第75-78页 |
| 5.2.1 管道结构 | 第76-77页 |
| 5.2.2 连续性滤波 | 第77-78页 |
| 5.3 运动连贯性分析 | 第78-83页 |
| 5.4 基于运动方向估计的管道滤波算法 | 第83-90页 |
| 5.4.1 恒虚警阈值 | 第83-84页 |
| 5.4.2 运动加权 | 第84-87页 |
| 5.4.3 运动方向估计 | 第87-89页 |
| 5.4.4 算法仿真分析 | 第89-90页 |
| 5.5 小结 | 第90-91页 |
| 第六章 结论 | 第91-93页 |
| 6.1 全文总结 | 第91-92页 |
| 6.2 研究展望 | 第92-93页 |
| 致谢 | 第93-95页 |
| 参考文献 | 第95-103页 |
| 研究成果 | 第103页 |