| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 视景增强研究发展与现状 | 第11-14页 |
| 1.2.1 理论研究 | 第11-13页 |
| 1.2.2 应用研究 | 第13-14页 |
| 1.3 本文主要研究内容及组织结构 | 第14-18页 |
| 1.3.1 主要研究内容及创新点 | 第14-15页 |
| 1.3.2 论文组织结构 | 第15-18页 |
| 第二章 前视红外视频首帧中跑道边界的精确检测 | 第18-36页 |
| 2.1 引言 | 第18页 |
| 2.2 常用机场跑道检测算法 | 第18-22页 |
| 2.2.1 基于模板匹配的跑道检测算法 | 第19-20页 |
| 2.2.2 基于直线检测的跑道检测算法 | 第20-22页 |
| 2.3 灭点检测理论 | 第22-25页 |
| 2.3.1 基于直线特征的灭点检测 | 第22-23页 |
| 2.3.2 基于Gabor特征的灭点检测 | 第23-25页 |
| 2.4 基于多特征约束的跑道检测算法 | 第25-31页 |
| 2.4.1 LSD直线检测与跑道边界初选 | 第25-27页 |
| 2.4.2 灭点校验 | 第27-28页 |
| 2.4.3 基于位置先验模型的跑道校验 | 第28-29页 |
| 2.4.4 最小二乘法拟合跑道边界直线 | 第29-30页 |
| 2.4.5 算法的实现 | 第30-31页 |
| 2.5 实验分析 | 第31-34页 |
| 2.6 本章小结 | 第34-36页 |
| 第三章 基于多采样点联合定位的跑道跟踪 | 第36-54页 |
| 3.1 引言 | 第36页 |
| 3.2 目标跟踪 | 第36-43页 |
| 3.2.1 目标跟踪理论概述 | 第36-38页 |
| 3.2.2 压缩跟踪算法 | 第38-41页 |
| 3.2.3 基于时空上下文（STC）的目标跟踪算法 | 第41-43页 |
| 3.3 多采样点联合定位跟踪算法 | 第43-49页 |
| 3.3.1 特征的选取 | 第44-45页 |
| 3.3.2 采样点的精确跟踪 | 第45-47页 |
| 3.3.3 多采样点联合定位跑道 | 第47-48页 |
| 3.3.4 算法的实现 | 第48-49页 |
| 3.4 实验分析 | 第49-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 基于多尺度分析的视频图像融合 | 第54-74页 |
| 4.1 引言 | 第54-55页 |
| 4.2 图像多尺度分析基本理论 | 第55-59页 |
| 4.3 基于多尺度分析的跑道视频图像融合 | 第59-69页 |
| 4.3.1 跑道凸多边形区域矩形化分割 | 第59-63页 |
| 4.3.2 红外与可见光视频图像融合 | 第63-67页 |
| 4.3.3 算法实现 | 第67-69页 |
| 4.4 实验分析 | 第69-72页 |
| 4.5 本章小结 | 第72-74页 |
| 第五章 基于边缘特征的障碍物尺寸估计 | 第74-82页 |
| 5.1 引言 | 第74页 |
| 5.2 基于边缘特征的障碍物尺寸估计 | 第74-78页 |
| 5.2.1 基于局部显著性的跑道障碍物检测 | 第74-76页 |
| 5.2.2 图像边缘提取 | 第76-77页 |
| 5.2.3 尺寸估计 | 第77页 |
| 5.2.4 算法实现 | 第77-78页 |
| 5.3 实验分析 | 第78-81页 |
| 5.4 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-86页 |
| 6.1 论文工作总结 | 第82-84页 |
| 6.2 后续工作展望 | 第84-86页 |
| 参考文献 | 第86-92页 |
| 发表论文和参加科研情况说明 | 第92-94页 |
| 致谢 | 第94-95页 |