纹理分析及其在红外图像目标检测中的应用

摘要

针对纹理分析与目标检测问题，该文主要研究了图像纹理特征提取的理论与方法以及基于背景纹理分析的红外弱小目标检测。这两个方面的研究是相互关联的，其中纹理特征提取是目标检测的基础与关键。该文对纹理分析的几类方法作了较为详细的研究工作，提出了有效的纹理特征提取方法，大量实验表明这些特征具有很好的纹理区分能力。根据目标与背景具有的不同特征，利用定义的纹理特征实现了红外图像的弱小目标检测，从而表明基于背景纹理分析的目标检测方法具有较强的适应性和很好的应用价值，是目标检测方法的一个创新。该文的研究成果对加快中国军舰上中近程光学点防御顾警系统装备的衫化具有重要的意义。

目录

文摘

英文文摘

第一章绪论

1.1论文背景

1.2选题思路

1.3研究内容与工作安排

第二章图像纹理分析方法的现状及进展

2.1纹理的定义及特征

2.2基于统计特征的纹理分析方法

2.3基于纹理模型的纹理分析方法

2.4空间-频率域联合纹理分析法

2.5基于纹理结构的纹理分析方法

2.6本章小结

第三章基于纹理元灰度模式统计的纹理分析及目标检测方法

3.1图像纹理元的灰度模式及统计特征

3.2基于纹理元灰度模式的统计特征

3.3纹理分析实验

3.4基于纹理元灰度模式统计特征的目标检测

3.5本章小结

第四章马尔柯夫随机场模型和方向能量特征结合的纹理分析与目标检测

4.1图像纹理的MRF模型

4.2 MRF模型参数估计

4.3纹理分析实验与分析

4.4 GMRF模型和多方向能量特征结合的纹理分析

4.5基于GMRF模型的目标检测

4.6本章小结

第五章Gabor变换的多通道多方向纹理分析与目标检测

5.1 Gabor函数与生物视觉研究的关系

5.2二维Gabor滤波器及其空-频特性

5.3图像的Gabor展开

5.4 Gabor基本函数的纹理特征

5.5实Gabor滤波器多频道、多方向滤波的纹理分割

5.6基于实Gabor滤波器多频道、多方向特性的目标检测

5.7本章小结

第六章小波变换的多尺度纹理分析与目标检测

6.1小波分析的起源及发展

6.2小波变换及其滤波器特性

6.3小波多尺度分析

6.4小波的多尺度、多频段纹理分析

6.5基于小波分解的红外小目标检测

6.6本章小结

第七章基于神经网络的特征分类

7.1神经网络研究发展简史

7.2多层前向网络的BP算法

7.3径向基映射多层混合前向网络

7.4基于RMFF网与马尔柯夫随机场模型的纹理分割

7.5本章小结

第八章基于边界环绕阵列机的最小熵差图像匹配并行算法

8.1环绕阵列处理机的结构及指令特点

8.2基于局部熵差的图像匹配方法

8.3局部熵差匹配算法的并行实现

8.4模拟实验结果

8.5本章小结

第九章全文总结

致谢

作者在攻读博士学位期间已发表和待发表的学术论文

参考文献