| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-25页 |
| ·课题的背景和意义 | 第12-13页 |
| ·红外弱小目标检测技术 | 第13-17页 |
| ·红外弱小目标检测技术概述 | 第13-14页 |
| ·红外弱小目标检测技术研究现状 | 第14-17页 |
| ·红外目标跟踪技术 | 第17-19页 |
| ·多目标跟踪的数据关联算法 | 第18-19页 |
| ·红外面目标跟踪问题以及研究现状 | 第19页 |
| ·红外自动目标识别技术 | 第19-22页 |
| ·基于多传感器目标识别技术 | 第19-21页 |
| ·自动目标识别技术研究现状 | 第21-22页 |
| ·本文主要研究内容 | 第22-25页 |
| 第2章 基于小波分析的自适应滤波在红外目标检测中的应用 | 第25-45页 |
| ·引言 | 第25页 |
| ·红外目标检测常用方法分析 | 第25-30页 |
| ·基于高斯内核的自适应滤波算法 | 第30-36页 |
| ·基于小波分析及自适应滤波结合的红外小目标检测方法 | 第36-38页 |
| ·仿真分析 | 第38-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 基于边缘检测的红外目标跟踪算法 | 第45-57页 |
| ·引言 | 第45-46页 |
| ·红外目标跟踪常用方法分析 | 第46-49页 |
| ·先检测后跟踪的方法(Detect-Before-Track) | 第46-48页 |
| ·先跟踪后检测的方法(Track-Before-Detect) | 第48-49页 |
| ·基于边缘检测的红外成像目标跟踪 | 第49-51页 |
| ·场景的配准 | 第49-50页 |
| ·运动目标检测 | 第50-51页 |
| ·仿真分析 | 第51-55页 |
| ·本章小结 | 第55-57页 |
| 第4章 基于粒子群算法的红外点目标跟踪 | 第57-79页 |
| ·引言 | 第57-58页 |
| ·多目标跟踪方法及其概念 | 第58-67页 |
| ·多目标跟踪方法原理 | 第59-61页 |
| ·几种红外目标跟踪方法 | 第61-64页 |
| ·几种典型数据关联方法 | 第64-67页 |
| ·基于粒子群算法的多维分配算法 | 第67-76页 |
| ·问题的描述 | 第67-69页 |
| ·量测的约束 | 第69-70页 |
| ·基本粒子群优化算法 | 第70-73页 |
| ·用 PSO算法解决静态数据关联 | 第73-76页 |
| ·仿真分析 | 第76-78页 |
| ·本章小结 | 第78-79页 |
| 第5章 红外目标自动识别算法研究 | 第79-103页 |
| ·引言 | 第79页 |
| ·基于 DS证据理论的红外小目标融合识别方法 | 第79-89页 |
| ·证据理论的基本概念 | 第80-82页 |
| ·证据理论的合成规则 | 第82-89页 |
| ·基于类别概率置信度的数据分类估计 | 第89-95页 |
| ·距离置信侧度 | 第89-91页 |
| ·类别概率置信度实现目标分类估计 | 第91-92页 |
| ·仿真及分析 | 第92-95页 |
| ·传感器目标分类估计的优选融合 | 第95-102页 |
| ·传感器目标分类估计的一致性分组 | 第95-96页 |
| ·基于模糊测度的一致性分组优选融合 | 第96-98页 |
| ·融合模型仿真及分析 | 第98-102页 |
| ·本章小结 | 第102-103页 |
| 结论 | 第103-105页 |
| 参考文献 | 第105-115页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第115-116页 |
| 致谢 | 第116-117页 |
| 个人简历 | 第117页 |
