摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 课题的研究背景及意义 | 第10-11页 |
1.2 课题的国内外研究现状 | 第11-12页 |
1.3 课题的研究内容 | 第12-13页 |
1.4 本文的章节安排 | 第13-16页 |
第二章 目标跟踪系统总体设计 | 第16-24页 |
2.1 系统框架 | 第16页 |
2.2 机载光电平台硬件组成 | 第16-18页 |
2.3 惯性稳定系统的结构 | 第18-19页 |
2.4 视觉成像系统的结构 | 第19-21页 |
2.4.2 目标检测 | 第19-20页 |
2.4.3 目标跟踪 | 第20-21页 |
2.4.4 轨迹预测 | 第21页 |
2.5 系统性能评估标准 | 第21-22页 |
2.6 本章小结 | 第22-24页 |
第三章 基于人工标定的目标检测算法 | 第24-40页 |
3.2 图像去噪 | 第24-27页 |
3.2.1 常见的图像去噪方法 | 第24-26页 |
3.2.2 基于双边滤波的图像去噪方法 | 第26-27页 |
3.3 彩色图像转为灰度图像 | 第27页 |
3.4 图像增强 | 第27-30页 |
3.4.1 常见的图像增强方法 | 第28-29页 |
3.4.2 基于同态滤波的图像增强方法 | 第29-30页 |
3.5 图像二值化 | 第30-38页 |
3.5.1 常见的二值化方法 | 第31-32页 |
3.5.2 基于Canny算子的动态二值化方法 | 第32-36页 |
3.5.3 形态学去干扰 | 第36-38页 |
3.6 提取目标图像 | 第38-39页 |
3.6.1 目标掩膜图像的提取 | 第38-39页 |
3.6.2 目标图像的提取 | 第39页 |
3.7 本章小结 | 第39-40页 |
第四章 基于多特征融合的动态更新Camshift跟踪算法 | 第40-58页 |
4.2 Meanshift算法原理概述 | 第40-42页 |
4.3 Camshift算法原理概述 | 第42-45页 |
4.4 融合特征提取 | 第45-53页 |
4.4.1 HSV颜色空间 | 第45-46页 |
4.4.2 LBP纹理特征 | 第46-48页 |
4.4.3 Sobel梯度算子 | 第48-49页 |
4.4.4 融合特征的构建 | 第49-53页 |
4.5 目标模板动态更新 | 第53-56页 |
4.6 本章小结 | 第56-58页 |
第五章 基于相对Kalman滤波的轨迹预测算法 | 第58-70页 |
5.1 Kalman滤波模型 | 第58-61页 |
5.2 相对Kalman滤波模型 | 第61-63页 |
5.3 遮挡判断 | 第63-66页 |
5.3.2 一次判断 | 第64-65页 |
5.3.3 二次判断 | 第65-66页 |
5.4 基于轨迹预测的目标跟踪系统 | 第66-68页 |
5.5 本章小结 | 第68-70页 |
第六章 目标跟踪软件的设计与测试 | 第70-84页 |
6.1 软件平台搭建 | 第70页 |
6.2 目标跟踪软件整体设计 | 第70-71页 |
6.3 平台各功能模块详述 | 第71-74页 |
6.3.2 视频采集模块 | 第71-73页 |
6.3.3 功能设定模块 | 第73-74页 |
6.3.4 状态显示模块 | 第74页 |
6.4 通讯协议详述 | 第74-76页 |
6.5 软件测试 | 第76-77页 |
6.5.1 测试平台的搭建 | 第76-77页 |
6.6 功能性测试 | 第77-81页 |
6.7 健壮性测试 | 第81-82页 |
6.8 准确性与实时性测试 | 第82-83页 |
6.9 本章小结 | 第83-84页 |
第七章 总结与展望 | 第84-88页 |
7.1 工作总结 | 第84-85页 |
7.2 展望 | 第85-88页 |
致谢 | 第88-90页 |
参考文献 | 第90-94页 |
作者在攻读硕士学位期间发表的论文和获奖情况 | 第94页 |