| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·课题的研究背景和意义 | 第8-9页 |
| ·本课题研究现状 | 第9-11页 |
| ·本文研究内容及安排 | 第11-12页 |
| 2 机动目标检测与识别 | 第12-26页 |
| 引言 | 第12页 |
| ·常用目标检测方法概述 | 第12-14页 |
| ·帧间差分法 | 第12页 |
| ·背景消减法 | 第12-13页 |
| ·光流法 | 第13-14页 |
| ·图像灰度化及二值化 | 第14-16页 |
| ·彩色图像灰度化 | 第14页 |
| ·灰度图像二值化 | 第14页 |
| ·确定阈值的方法 | 第14-16页 |
| ·连通区域分割 | 第16-17页 |
| ·波门跟踪 | 第17-18页 |
| ·跟踪波门及其优点 | 第17-18页 |
| ·波门位置和大小的调整 | 第18页 |
| ·空域目标检测与识别的算法设计 | 第18-22页 |
| ·波门设计与阈值分割相结合的图像二值化 | 第19-21页 |
| ·连通域分割算法 | 第21页 |
| ·对虚假目标的处理 | 第21-22页 |
| ·仿真实验一 | 第22-25页 |
| ·图像二值化示例与结果分析 | 第22-23页 |
| ·连通域分割实现界面与结果分析 | 第23-24页 |
| ·最近邻关联算法处理后的目标检测效果图 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 机动目标跟踪基础 | 第26-32页 |
| 引言 | 第26页 |
| ·机动目标跟踪的基本原理 | 第26页 |
| ·机动目标跟踪的基本要素 | 第26-27页 |
| ·机动目标模型 | 第27-30页 |
| ·常速度(CV)模型和常加速度(CA)模型 | 第27-28页 |
| ·一阶时间相关(Singer)模型 | 第28-29页 |
| ·“当前”统计模型 | 第29页 |
| ·交互式多模型 | 第29-30页 |
| ·机动检测与辨识 | 第30-31页 |
| ·滤波与预测 | 第31页 |
| ·跟踪坐标系与滤波状态变量的选取 | 第31页 |
| ·本章小结 | 第31-32页 |
| 4 基于卡尔曼滤波算法的目标跟踪 | 第32-52页 |
| 引言 | 第32页 |
| ·卡尔曼滤波概述 | 第32-33页 |
| ·视频目标跟踪的标准卡尔曼滤波算法 | 第33-38页 |
| ·仿真实验二 | 第38-40页 |
| ·标准卡尔曼算法仿真示例 | 第38-39页 |
| ·仿真结果分析 | 第39-40页 |
| ·去相关条件下卡尔曼滤波算法 | 第40-44页 |
| ·模型噪声相关时的滤波 | 第40-41页 |
| ·测量噪声相关时的滤波 | 第41页 |
| ·视频目标跟踪的去相关条件下的卡尔曼滤波算法 | 第41-44页 |
| ·仿真实验三 | 第44-51页 |
| ·去相关条件下的卡尔曼滤波算法仿真示例 | 第44-47页 |
| ·去相关条件下的卡尔曼滤波算法与标准卡尔曼算法的对比仿真 | 第47-48页 |
| ·仿真结果分析 | 第48页 |
| ·实际跟踪界面图 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于自适应滤波的跟踪算法 | 第52-68页 |
| ·自适应滤波概述 | 第52-53页 |
| ·三种典型自适应算法的应用 | 第53-57页 |
| ·Singer自适应算法 | 第53-54页 |
| ·“当前”统计模型自适应算法 | 第54-55页 |
| ·IMM滤波算法 | 第55-57页 |
| ·仿真实验四 | 第57-66页 |
| ·Singer模型与CA模型自适应算法比较 | 第60-62页 |
| ·“当前”统计模型与CA模型自适应算法比较 | 第62-63页 |
| ·IMM与CA模型自适应算法比较 | 第63-66页 |
| ·本章小结 | 第66-68页 |
| 6 总结 | 第68-70页 |
| ·论文研究成果 | 第68页 |
| ·尚待研究的问题 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-75页 |