| 摘要 | 第1-14页 |
| ABSTRACT | 第14-16页 |
| 第一章 绪论 | 第16-40页 |
| ·论文研究背景 | 第16-19页 |
| ·运动目标检测跟踪技术的研究目的和意义 | 第16-18页 |
| ·无人机辅助着陆技术的研究目的和意义 | 第18-19页 |
| ·国内外相关研究进展 | 第19-36页 |
| ·基于视觉的目标跟踪算法研究进展 | 第19-24页 |
| ·图像角点检测算法研究进展 | 第24-25页 |
| ·运动目标检测研究进展 | 第25-29页 |
| ·小目标检测跟踪研究进展 | 第29-35页 |
| ·无人机着陆导航技术发展现状 | 第35-36页 |
| ·论文主要内容及创新点 | 第36-40页 |
| ·论文主要内容 | 第36-38页 |
| ·主要研究成果的发表情况 | 第38-40页 |
| 第二章 基本理论介绍 | 第40-54页 |
| ·尺度空间理论 | 第40-43页 |
| ·尺度空间基本概念 | 第40-41页 |
| ·Lindeberg 的特征尺度选择理论 | 第41-43页 |
| ·Gabor 小波 | 第43-45页 |
| ·Gabor 函数的提出 | 第43页 |
| ·Gabor 小波的生物学背景 | 第43-44页 |
| ·二维Gabor 小波 | 第44-45页 |
| ·Mean Shift 理论 | 第45-53页 |
| ·概率密度的基本估计形式 | 第46-47页 |
| ·Parzen 窗法 | 第47-48页 |
| ·Mean Shift 过程原理 | 第48-50页 |
| ·经典Mean shift 跟踪算法 | 第50-52页 |
| ·经典Mean Shift 跟踪算法实现步骤 | 第52页 |
| ·核密度估计的带宽选择 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第三章 基于 Gabor 梯度的角点检测算法研究 | 第54-73页 |
| ·角点特征分类及检测准则 | 第54-55页 |
| ·常用角点特征检测算法 | 第55-59页 |
| ·Moravec 角点检测算法 | 第55-56页 |
| ·Harris 角点检测算法 | 第56-57页 |
| ·Forstner 角点检测算子 | 第57-58页 |
| ·SUSAN 角点算子 | 第58-59页 |
| ·Gabor 梯度算子原理及分析 | 第59-63页 |
| ·Gabor 梯度算子定义 | 第59-61页 |
| ·Gabor 梯度算子边缘方向检测结果及分析 | 第61-63页 |
| ·基于 Gabor 梯度的角点检测算法原理 | 第63-66页 |
| ·算法原理 | 第63-66页 |
| ·算法步骤 | 第66页 |
| ·实验结果及分析 | 第66-71页 |
| ·仿真图角点检测结果 | 第66-68页 |
| ·真实图像角点检测实验结果 | 第68-71页 |
| ·本章小结 | 第71-73页 |
| 第四章 基于 Gabor 特征描述的像机自运动消除方法研究 | 第73-95页 |
| ·图像仿射变换的数学模型 | 第73-80页 |
| ·常用坐标系及其关系 | 第73-77页 |
| ·不同视点图像间的仿射近似模型 | 第77-80页 |
| ·基于特征匹配的像机自运动消除算法总体框架 | 第80-81页 |
| ·基于 Gabor 特征描述的像机自运动消除算法原理 | 第81-84页 |
| ·兴趣点提取 | 第81-82页 |
| ·特征描述区域确定 | 第82页 |
| ·特征方向确定 | 第82-83页 |
| ·特征描述向量建立 | 第83-84页 |
| ·像机自运动消除 | 第84页 |
| ·基于 Gabor 特征描述的像机自运动消除算法步骤 | 第84-89页 |
| ·计算图像上每一点的特征尺度 | 第84-85页 |
| ·自动提取兴趣点 | 第85-86页 |
| ·确定兴趣点的特征方向 | 第86页 |
| ·建立特征描述 | 第86-87页 |
| ·前后视图交叉匹配 | 第87页 |
| ·建立图像之间变换模型 | 第87-88页 |
| ·鲁棒估计仿射变换模型参数 | 第88页 |
| ·消除像机自运动 | 第88-89页 |
| ·像机自运动消除实验结果及分析 | 第89-94页 |
| ·机场背景图像 | 第89-91页 |
| ·丛林背景图像 | 第91-92页 |
| ·山地背景图像 | 第92-93页 |
| ·岛屿图像 | 第93-94页 |
| ·本章小结 | 第94-95页 |
| 第五章 基于差异性加权的运动目标跟踪方法研究 | 第95-119页 |
| ·复杂背景下单帧目标区域差异性权值确定方法 | 第95-99页 |
| ·目标区域差异性权值的具体计算步骤 | 第96-98页 |
| ·目标区域差异性权值的计算结果 | 第98-99页 |
| ·差异性加权最小二乘图像匹配跟踪算法 | 第99-102页 |
| ·DWLSIM 的算法原理 | 第100-101页 |
| ·DWLSIM 算法步骤 | 第101-102页 |
| ·DWLSIM 算法实验结果分析 | 第102-109页 |
| ·跟踪精度仿真实验 | 第103-106页 |
| ·实际图像跟踪结果比较 | 第106-108页 |
| ·四种算法平均处理时间比较 | 第108-109页 |
| ·加权 Mean Shift 算法 | 第109-112页 |
| ·加权Mean Shift 过程 | 第109-111页 |
| ·加权Mean Shift 过程收敛性证明 | 第111-112页 |
| ·差异性加权 Mean Shift 跟踪算法原理及步骤 | 第112-115页 |
| ·差异性加权Mean Shift 跟踪算法原理 | 第112-115页 |
| ·差异性加权Mean Shift 跟踪算法步骤 | 第115页 |
| ·DWMS 算法实验结果分析 | 第115-117页 |
| ·复杂背景下运动飞机跟踪结果（一） | 第115-116页 |
| ·复杂背景下运动飞机跟踪结果（二） | 第116-117页 |
| ·四种算法平均处理时间比较 | 第117页 |
| ·本章小结 | 第117-119页 |
| 第六章 尺度方向自适应 Mean Shift 跟踪算法研究 | 第119-133页 |
| ·引言 | 第119-120页 |
| ·目标最佳椭圆描述区域计算方法 | 第120-124页 |
| ·椭圆型正则化LOG 算子 | 第120-121页 |
| ·目标最佳椭圆描述区域计算步骤 | 第121-124页 |
| ·实验结果及分析 | 第124页 |
| ·尺度方向自适应 Mean Shift 算法原理 | 第124-127页 |
| ·核函数选择 | 第125-126页 |
| ·建立初始帧的目标特征灰度直方图 | 第126页 |
| ·计算当前帧候选特征直方图向量 | 第126页 |
| ·相似性函数 | 第126-127页 |
| ·Mean Shift 采样权值 | 第127页 |
| ·更新目标特征直方图 | 第127页 |
| ·尺度方向自适应 Mean Shift 的算法步骤 | 第127-129页 |
| ·确定初始帧中目标最佳椭圆描述并统计目标特征直方图 | 第127-128页 |
| ·对每帧图像，逐一求取目标的位置、尺度和角度参数 | 第128-129页 |
| ·更新目标特征直方图 | 第129页 |
| ·实验结果及分析 | 第129-132页 |
| ·跟踪结果及分析（一） | 第129-131页 |
| ·跟踪结果及分析（二） | 第131-132页 |
| ·本章小结 | 第132-133页 |
| 第七章 基于摄影测量的无人机辅助着陆系统 | 第133-157页 |
| ·基于摄影测量的无人机辅助着陆航系统总体方案 | 第133-136页 |
| ·需求分析 | 第133-134页 |
| ·总体方案 | 第134-136页 |
| ·系统涉及的关键技术研究 | 第136-154页 |
| ·双目交会测量技术 | 第136-137页 |
| ·像机远场高精度标定技术 | 第137-140页 |
| ·小目标自动检测与跟踪技术 | 第140-146页 |
| ·图像实时存储技术 | 第146-149页 |
| ·天气影响及解决措施研究 | 第149-154页 |
| ·无人机辅助着陆系统实际测量结果分析 | 第154-156页 |
| ·相同尺度参数的PNNLOG 算子和高斯算子的检测结果对比 | 第154页 |
| ·正则化正负LOG 算子对小目标检测跟踪结果 | 第154-155页 |
| ·无人机着陆过程定位测量结果 | 第155-156页 |
| ·本章小结 | 第156-157页 |
| 第八章 结束语 | 第157-160页 |
| ·本文主要研究成果及创新点 | 第157-158页 |
| ·有待进一步研究的几个问题 | 第158-160页 |
| 致谢 | 第160-161页 |
| 参考文献 | 第161-175页 |
| 附录A 摄像机标定 | 第175-178页 |
| 附录B PNNLOG 算子性质证明 | 第178-179页 |
| 作者在学期间取得的学术成果 | 第179-180页 |
