| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 运动目标检测研究现状 | 第13-14页 |
| 1.2.2 特征提取方法研究现状 | 第14页 |
| 1.2.3 目标识别研究现状 | 第14-15页 |
| 1.2.4 有关目标检测、特征提取和识别的困难与挑战 | 第15-16页 |
| 1.3 本文主要工作及结构安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 运动目标检测方法概述 | 第18-26页 |
| 2.1 光流法 | 第18-20页 |
| 2.1.1 光流场理论 | 第18-19页 |
| 2.1.2 Lucas-Kanade法 | 第19页 |
| 2.1.3 Horn-Schunck法 | 第19-20页 |
| 2.2 背景差分法 | 第20-23页 |
| 2.2.1 单高斯模型 | 第20-21页 |
| 2.2.2 混合高斯模型 | 第21-22页 |
| 2.2.3 Kalman滤波模型 | 第22-23页 |
| 2.3 帧间差分法 | 第23-24页 |
| 2.4 有关三类目标检测方法的分析 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 基于C-V模型的空中目标自动检测方法 | 第26-38页 |
| 3.1 基于曲线参数的主动轮廓模型 | 第26-27页 |
| 3.2 基于曲线演化的主动轮廓模型 | 第27页 |
| 3.3 C-V模型 | 第27-30页 |
| 3.3.1 C-V模型的建立过程 | 第27-29页 |
| 3.3.2 对C-V模型的缺点分析 | 第29-30页 |
| 3.4 基于C-V模型与帧差运算相结合的运动目标检测方法 | 第30-37页 |
| 3.4.1 初始演化曲线对于C-V模型的影响 | 第30-31页 |
| 3.4.2 结合帧差法初始演化曲线 | 第31-34页 |
| 3.4.3 基于改进C-V模型的运动目标检测实验及分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于Zernike矩的目标特征提取方法 | 第38-50页 |
| 4.1 常用的特征描述方法 | 第38-41页 |
| 4.1.1 颜色特征 | 第38页 |
| 4.1.2 纹理特征 | 第38-39页 |
| 4.1.3 形状特征 | 第39-41页 |
| 4.2 Zernike矩 | 第41-43页 |
| 4.2.1 Zernike矩原理 | 第41-42页 |
| 4.2.2 保持Zernike矩的平移和尺度不变性 | 第42-43页 |
| 4.3 图像的单位极坐标转换 | 第43-44页 |
| 4.4 基于q-递归的Zernike矩快速计算方法 | 第44-45页 |
| 4.5 Zernike矩的实验仿真及分析 | 第45-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于支持向量机的空中目标识别研究 | 第50-66页 |
| 5.1 从线性到非线性的二分类SVM建模 | 第50-53页 |
| 5.1.1 线性可分支持向量机 | 第51-52页 |
| 5.1.2 线性支持向量机 | 第52页 |
| 5.1.3 非线性支持向量机 | 第52-53页 |
| 5.2 C-支持向量机和v-支持向量机 | 第53-55页 |
| 5.2.1 C-支持向量机算法 | 第53-54页 |
| 5.2.2 v-支持向量机算法 | 第54-55页 |
| 5.3 关于C-SVM和v-SVM优化问题的求解方法 | 第55-57页 |
| 5.3.1 求解C-SVM优化问题 | 第55-57页 |
| 5.3.2 求解v-SVM优化问题 | 第57页 |
| 5.4 对SVM的多分类扩展和参数选择 | 第57-59页 |
| 5.4.1 一对一算法 | 第57-58页 |
| 5.4.2 参数选择 | 第58-59页 |
| 5.5 算法仿真与结果分析 | 第59-64页 |
| 5.5.1 实验数据来源 | 第59-60页 |
| 5.5.2 实验仿真与分析 | 第60-64页 |
| 5.6 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66页 |
| 6.2 研究展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-76页 |
| 附录A | 第76-79页 |
