|
|
|
基于深度学习的海上红外小目标检测方法研究 |
|
论文目录 |
|
摘要 | 第4-5页 | Abstract | 第5-6页 | 1 绪论 | 第11-18页 | 1.1 研究背景及研究意义 | 第11页 | 1.2 红外弱小目标检测国内外研究现状 | 第11-17页 | 1.2.1 传统目标检测算法 | 第11-13页 | 1.2.2 基于深度学习的目标检测 | 第13-16页 | 1.2.3 存在的问题和挑战 | 第16-17页 | 1.3 主要研究内容与章节安排 | 第17-18页 | 1.3.1 论文主要研究内容 | 第17-18页 | 2 红外图像相关技术理论与成像特征 | 第18-22页 | 2.1 红外热成像原理 | 第18页 | 2.2 红外图像特性分析 | 第18-20页 | 2.2.1 红外图像一般性特征 | 第18-19页 | 2.2.2 海上红外图像特性分析 | 第19-20页 | 2.3 红外图像弱小目标的定义 | 第20-21页 | 2.4 本章小结 | 第21-22页 | 3 基于HE与Retinex结合的红外图像分层增强算法 | 第22-36页 | 3.1 代表性红外图像细节增强算法 | 第22-26页 | 3.1.1 基于目标特性的图像增强方法 | 第22页 | 3.1.2 基于背景特性的预处理方法 | 第22-26页 | 3.2 直方图均衡化与Retinex增强 | 第26-31页 | 3.2.1 直方图均衡化 | 第26-29页 | 3.2.2 Retinex增强 | 第29-31页 | 3.3 基于HE与Retinex结合的分层图像增强算法 | 第31-35页 | 3.3.1 基本思想 | 第31页 | 3.3.2 小波变换 | 第31-32页 | 3.3.3 算法设计 | 第32-35页 | 3.4 本章小结 | 第35-36页 | 4 基于Faster R-CNN算法改进的红外小目标检测方法 | 第36-48页 | 4.1 基于深度学习的目标检测框架方法分析 | 第36-39页 | 4.1.1 损失函数 | 第36-37页 | 4.1.2 区域生成(RPN) | 第37-38页 | 4.1.3 非极大值抑制 | 第38-39页 | 4.2 基于Faster R-CNN算法改进的红外小目标检测方法 | 第39-47页 | 4.2.1 Faster R-CNN算法原理分析 | 第39-41页 | 4.2.2 Faster R-CNN算法改进 | 第41-47页 | 4.3 本章小结 | 第47-48页 | 5 实验验证与实验结果分析 | 第48-55页 | 5.1 仿真实验平台简介及数据集准备 | 第48页 | 5.2 HERetines图像增强算法实验验证与结果分析 | 第48-52页 | 5.2.1 评价指标的选取 | 第48-50页 | 5.2.2 实验验证与结果分析 | 第50-52页 | 5.3 海面小目标检测算法的实验验证与结果分析 | 第52-54页 | 5.3.1 评价指标的选取 | 第52-53页 | 5.3.2 实验验证与结果分析 | 第53-54页 | 5.4 本章小结 | 第54-55页 | 结论 | 第55-57页 | 参考文献 | 第57-61页 | 致谢 | 第61-62页 | 作者简历及攻读硕士学位期间的科研成果 | 第62-63页 |
|
|
|
|
论文编号BS4528635,这篇论文共63页 会员购买按0.35元/页下载,共需支付22.05元。 直接购买按0.5元/页下载,共需要支付31.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|