无源毫米波和视频序列图像目标跟踪算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景及研究意义 | 第10-11页 |
| ·国内外研究动态 | 第11-15页 |
| ·目标跟踪研究动态 | 第11-12页 |
| ·目标跟踪的关键问题 | 第12-13页 |
| ·多传感器数据融合研究动态 | 第13-15页 |
| ·本文主要工作及章节安排 | 第15-17页 |
| 第二章 多传感器融合跟踪基础理论 | 第17-30页 |
| ·目标跟踪基础理论 | 第17-18页 |
| ·无源毫米波成像特点 | 第18-21页 |
| ·黑体辐射理论 | 第18-19页 |
| ·无源毫米波的特点 | 第19-21页 |
| ·多传感器数据融合基础理论 | 第21-26页 |
| ·多传感器数据融合的优势 | 第22-23页 |
| ·多传感器数据融合的分类 | 第23-26页 |
| ·特征层融合分析 | 第26-29页 |
| ·特征分析 | 第27-28页 |
| ·PMMW 和视频序列图像的目标特征分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于径向基函数神经网络的目标跟踪算法 | 第30-49页 |
| ·传统的目标跟踪算法 | 第30-35页 |
| ·卡尔曼(Kalman)滤波 | 第30-33页 |
| ·粒子滤波 | 第33-35页 |
| ·基于神经网络的目标跟踪滤波 | 第35-39页 |
| ·RBF 网基本理论 | 第36-39页 |
| ·改进的 RBF 网算法 | 第39页 |
| ·算法仿真及分析 | 第39-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 针对多源传感器的分布式融合目标跟踪算法 | 第49-68页 |
| ·PMMW 与视频序列图像目标特性 | 第49-54页 |
| ·PMMW 与视频序列图像特点对比 | 第49-50页 |
| ·图像预处理与目标提取 | 第50-54页 |
| ·均值滤波去噪 | 第50-52页 |
| ·改进帧差法的图像目标提取 | 第52-54页 |
| ·PMMW 与视频序列图像的融合结构 | 第54-58页 |
| ·融合结构分类 | 第54-56页 |
| ·融合结构的选择 | 第56-58页 |
| ·基于贝叶斯的目标重合概率分析融合算法 | 第58-64页 |
| ·基于贝叶斯准则的融合规则 | 第58-59页 |
| ·融合信息的基本特性 | 第59-61页 |
| ·目标重合概率分析 | 第61-62页 |
| ·贝叶斯代价计算 | 第62-64页 |
| ·实验仿真及结果分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| ·本文工作总结 | 第68-69页 |
| ·工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻硕期间取得的研究成果 | 第74-75页 |
