| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究背景、意义及来源 | 第11页 |
| ·视频监控系统的发展现状及应用 | 第11-13页 |
| ·红外图像目标识别跟踪技术的研究现状与挑战性 | 第13-16页 |
| ·红外图像目标识别技术的研究现状 | 第13-14页 |
| ·红外图像目标跟踪技术的研究现状 | 第14-15页 |
| ·红外图像目标识别跟踪技术面临的挑战性 | 第15-16页 |
| ·本文主要的研究内容 | 第16-17页 |
| 第2章 红外图像技术研究 | 第17-21页 |
| ·红外成像技术概述 | 第17页 |
| ·红外夜视监控图像特点 | 第17-18页 |
| ·红外图像直方图研究 | 第18-20页 |
| ·红外图像直方图的统计特征 | 第18-19页 |
| ·红外夜视图像直方图特点 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 红外图像增强与分割技术研究 | 第21-36页 |
| ·红外图像直方图均衡技术研究 | 第21-25页 |
| ·直方图均衡算法的理论依据 | 第22页 |
| ·常用直方图均衡增强算法的缺陷分析 | 第22-23页 |
| ·自适应红外直方图均衡增强算法 | 第23-24页 |
| ·实验结果及讨论 | 第24-25页 |
| ·红外图像滤波技术研究 | 第25-29页 |
| ·红外夜视图像噪声特点 | 第25-26页 |
| ·中值滤波算法分析 | 第26-27页 |
| ·多向多级中值滤波技术 | 第27-29页 |
| ·红外图像分割算法研究及设计 | 第29-35页 |
| ·经典的图像分割技术 | 第30-31页 |
| ·基于Meanshift算法的图像分割算法设计 | 第31-35页 |
| ·Meanshift算法理论 | 第31-33页 |
| ·Meanshift分割算法设计 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 红外图像目标识别算法研究与设计 | 第36-55页 |
| ·神经网络概述 | 第36-38页 |
| ·神经网络的模型及功能 | 第36-37页 |
| ·神经网络的学习规则 | 第37-38页 |
| ·基于BP神经网络的红外图像目标识别技术研究 | 第38-49页 |
| ·BP神经网络算法的学习过程 | 第38-41页 |
| ·基于BP神经网络的目标识别过程设计 | 第41-44页 |
| ·BP神经网络结构设计 | 第41-42页 |
| ·BP神经网络目标识别算法的具体过程 | 第42-44页 |
| ·BP神经网络算法的缺陷分析和改进 | 第44-46页 |
| ·网络权值的优化选择 | 第45页 |
| ·隐层数和隐层节点数的优化选择 | 第45-46页 |
| ·BP算法的改进 | 第46页 |
| ·实验结果分析 | 第46-49页 |
| ·图像矩特征描述与提取算法设计 | 第49-54页 |
| ·红外图像目标特征分析 | 第49-50页 |
| ·Hu不变矩特征提取方法分析 | 第50-51页 |
| ·原始图像不变矩特征作为输入特征向量存在的问题及改进 | 第51-52页 |
| ·实验仿真结果分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 目标跟踪算法设计和系统实现 | 第55-71页 |
| ·目标跟踪算法分析与选择 | 第55-56页 |
| ·自适应卡尔曼滤波器原理及其特性 | 第56-60页 |
| ·卡尔曼滤波算法的基本理论 | 第56-58页 |
| ·卡尔曼目标跟踪算法的基本要素 | 第58-60页 |
| ·自适应卡尔曼滤波跟踪算法设计 | 第60-62页 |
| ·直角坐标系上的线性模型 | 第60-61页 |
| ·投影坐标系下的卡尔曼滤波算法设计 | 第61-62页 |
| ·实验结果分析 | 第62-64页 |
| ·红外图像目标识别跟踪系统软件设计 | 第64-70页 |
| ·软件各模块功能介绍 | 第66-67页 |
| ·系统软件测试 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |