| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·研究现状 | 第8-10页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-10页 |
| ·本论文所做的工作 | 第10-13页 |
| 第二章 多传感器数据融合的基本理论 | 第13-17页 |
| ·概述 | 第13页 |
| ·数据融合中的目标识别 | 第13-14页 |
| ·数据融合中的目标跟踪 | 第14-15页 |
| ·数据融合算法 | 第15-17页 |
| ·分布检测算法 | 第15页 |
| ·位置融合算法 | 第15页 |
| ·属性融合算法 | 第15-17页 |
| 第三章 基于聚类算法的红外目标识别方法 | 第17-29页 |
| ·概述 | 第17页 |
| ·红外图像的预处理 | 第17-19页 |
| ·红外图像的特征及其识别方法 | 第17-18页 |
| ·红外图像的边缘检测 | 第18-19页 |
| ·红外目标的特征提取方法 | 第19-21页 |
| ·基于改进K-means算法的红外目标识别方法 | 第21-24页 |
| ·传统的K-means算法及其影响因素 | 第21-22页 |
| ·K-means算法的改进 | 第22-24页 |
| ·拒判区域的选取 | 第24页 |
| ·实验结果及分析 | 第24-27页 |
| ·小结 | 第27-29页 |
| 第四章 粒子滤波算法及其在目标跟踪中的应用 | 第29-49页 |
| ·粒子滤波基本算法原理 | 第29-30页 |
| ·非线性贝叶斯跟踪算法 | 第29页 |
| ·贝叶斯自主粒子滤波算法 | 第29-30页 |
| ·重采样方法 | 第30页 |
| ·粒子滤波算法的改进 | 第30-33页 |
| ·重要性函数的选择 | 第30-32页 |
| ·重采样方法的改进 | 第32-33页 |
| ·其他几种常用的目标跟踪算法 | 第33-39页 |
| ·α-β-γ滤波 | 第33-34页 |
| ·卡尔曼滤波 | 第34-35页 |
| ·扩展卡尔曼滤波(EKF) | 第35-37页 |
| ·不敏卡尔曼滤波(UKF) | 第37-39页 |
| ·各种跟踪算法性能比较 | 第39-40页 |
| ·实验结果与分析 | 第40-48页 |
| ·小结 | 第48-49页 |
| 第五章 红外/毫米波雷达复合制导融合跟踪技术及其实现 | 第49-59页 |
| ·引言 | 第49页 |
| ·红外传感器的跟踪特性 | 第49-51页 |
| ·红外传感器的跟踪方式 | 第49-50页 |
| ·红外图像的质心计算方法 | 第50-51页 |
| ·异步数据融合 | 第51-53页 |
| ·红外/毫米波雷达的空间配准 | 第51页 |
| ·红外/毫米波雷达的时间配准 | 第51-53页 |
| ·同步数据融合 | 第53-54页 |
| ·基于红外/毫米波数据融合 | 第54页 |
| ·实验结果与分析 | 第54-58页 |
| ·小结 | 第58-59页 |
| 第六章 结束语 | 第59-61页 |
| ·本文内容总结 | 第59页 |
| ·工作展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 硕士期间撰写的论文 | 第67页 |