复杂背景下运动小目标检测算法研究
| 第一章 绪论 | 第1-16页 |
| ·引言 | 第7-8页 |
| ·国内外点目标识别算法综述 | 第8-15页 |
| ·红外图像序列中点目标的特点 | 第8-9页 |
| ·点目标识别的主要方法 | 第9-15页 |
| ·论文工作简述 | 第15-16页 |
| 第二章 复杂背景下点目标特性分析 | 第16-23页 |
| ·含点目标图像模型 | 第16-17页 |
| ·点目标模型 | 第16页 |
| ·天空背景空间分布特征模型 | 第16-17页 |
| ·噪声模型 | 第17页 |
| ·图像信噪比 | 第17页 |
| ·图像背景与噪声的预处理 | 第17-21页 |
| ·图像背景处理 | 第17-19页 |
| ·基于小波变换的噪声处理 | 第19-21页 |
| ·目标的灰度及空间特征 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 小目标图像的背景抑制 | 第23-37页 |
| ·高通滤波 | 第23-26页 |
| ·图像的频域滤波 | 第23-24页 |
| ·图像的空域滤波 | 第24-26页 |
| ·最大中值(均值)差分滤波 | 第26-27页 |
| ·自适应均值滤波 | 第27-28页 |
| ·自适应均值滤波原理 | 第27-28页 |
| ·自适应均值滤波实验 | 第28页 |
| ·形态学滤波 | 第28-33页 |
| ·二值形态学 | 第29-31页 |
| ·灰度形态学 | 第31-33页 |
| ·窗口极大值滤波 | 第33-34页 |
| ·弱化背景边缘滤波 | 第34-35页 |
| ·实验结果 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 小目标图像的目标增强与分割 | 第37-52页 |
| ·小目标图像的目标增强 | 第37-38页 |
| ·单帧图像的小目标分割 | 第38-41页 |
| ·概率统计似然比的分割 | 第38-39页 |
| ·自适应门限分割 | 第39-40页 |
| ·最大对比度分割 | 第40-41页 |
| ·多帧序列红外小目标图像的目标分割 | 第41-50页 |
| ·序列的时域模型 | 第41-43页 |
| ·目标的时域分割 | 第43-48页 |
| ·基于时空联合的目标分割 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 复杂背景下运动的小目标检测 | 第52-63页 |
| ·引言 | 第52页 |
| ·基于小波变换的点目标检测方法 | 第52-53页 |
| ·奇异信号在小波变换下的特性 | 第53-54页 |
| ·小波模极大值去噪法 | 第54-56页 |
| ·基于小波的相关算法 | 第56-61页 |
| ·多帧检测 | 第61-62页 |
| ·小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·改进及对研究工作的展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 摘要 | 第70-74页 |
| ABSTRACT | 第74-79页 |
