| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-13页 |
| 第一章 绪论 | 第13-25页 |
| 1．1 研究背景及意义 | 第13-14页 |
| 1．2 相关技术及其研究动态 | 第14-22页 |
| 1．2．1 运动背景校正技术 | 第15页 |
| 1．2．2 背景杂波抑制技术 | 第15-16页 |
| 1．2．3 微弱点状运动目标检测技术 | 第16-20页 |
| 1．2．4 微弱点状运动目标跟踪技术 | 第20-22页 |
| 1．3 本文创新之处及论文安排 | 第22-25页 |
| 第二章 序列图像中微弱点状运动目标检测、跟踪模型及其理论基础 | 第25-42页 |
| 2．1 引言 | 第25页 |
| 2．2 二维成像系统物理模型 | 第25-27页 |
| 2．3 序列图像中微弱点状运动目标的检测、跟踪理论模型 | 第27-36页 |
| 2．3．1 序列图像中微弱点状运动目标数学模型 | 第27-29页 |
| 2．3．2 序列图像中微弱点状运动目标检测理论模型 | 第29-32页 |
| 2．3．2．1 序列图像中微弱点状运动目标检测子系统的基本任务及方程 | 第29-30页 |
| 2．3．2．2 三维时空搜索检测理论模型 | 第30-31页 |
| 2．3．2．3 二维空域搜索检测理论模型 | 第31-32页 |
| 2．3．3 序列图像中微弱点状运动目标跟踪理论模型 | 第32-36页 |
| 2．3．3．1 序列图像中微弱点状运动目标跟踪子系统的基本任务及方程 | 第33-34页 |
| 2．3．3．2 序列图像中微弱点状运动目标跟踪子系统跟踪状态方程 | 第34-36页 |
| 2．4 基础理论 | 第36-40页 |
| 2．4．1 似然比检验 | 第36-37页 |
| 2．4．2 Neyman-Pearson准则 | 第37页 |
| 2．4．3 样本数字特征 | 第37页 |
| 2．4．4 一些常用随机概率分布 | 第37-40页 |
| 2．5 结论 | 第40-42页 |
| 第三章 基于鲁棒回归的运动背景校正技术 | 第42-56页 |
| 3．1 引言 | 第42-44页 |
| 3．2 摄像机运动参数模型 | 第44-48页 |
| 3．3 鲁棒回归摄像机运动模型参数估计技术 | 第48-54页 |
| 3．3．1 光流场模型 | 第49-50页 |
| 3．3．2 鲁棒回归估计 | 第50-52页 |
| 3．3．3 运动背景补偿校正技术 | 第52-53页 |
| 3．3．4 阈值选择及形态滤波 | 第53-54页 |
| 3．4 实验结果 | 第54-55页 |
| 3．5 结论 | 第55-56页 |
| 第四章 背景抑制及白化检验技术 | 第56-70页 |
| 4．1 引言 | 第56-57页 |
| 4．2 正态性检验 | 第57-59页 |
| 4．3 独立性检验 | 第59页 |
| 4．4 非参数型背景抑制技术 | 第59-61页 |
| 4．5 基于二维自回归参数模型的背景抑制技术 | 第61-64页 |
| 4．6 时域自适应滤波方法 | 第64-65页 |
| 4．7 正态性及白化检验 | 第65-69页 |
| 4．8 结论 | 第69-70页 |
| 第五章 序列图像中微弱点状运动目标检测技术 | 第70-99页 |
| 5．1 最优检测器及其性能分析 | 第72-78页 |
| 5．1．1 最优检测器算法描述 | 第72-74页 |
| 5．1．2 最优检测器性能分析 | 第74-75页 |
| 5．1．3 三维搜索检测算法 | 第75-78页 |
| 5．2 基于“硬判决”的最大选择合并积累检测算法及其性能分析 | 第78-82页 |
| 5．2．1 算法描述 | 第78-80页 |
| 5．2．2 算法性能分析 | 第80-82页 |
| 5．3 基于“软判决”的最大选择合并积累检测算法 | 第82-84页 |
| 5．3．1 算法描述 | 第82-84页 |
| 5．4 依概率高维组合积累检测算法 | 第84-87页 |
| 5．4．1 算法描述 | 第84-87页 |
| 5．5 基于时域差分的积累投影目标检测算法 | 第87-92页 |
| 5．5．1 算法描述 | 第87-90页 |
| 5．5．2 检测算法性能分析 | 第90-92页 |
| 5．6 仿真实验 | 第92-98页 |
| 5．7 结论 | 第98-99页 |
| 第六章 序列图像中微弱点状运动目标跟踪技术 | 第99-111页 |
| 6．1 引言 | 第99-100页 |
| 6．2 基于跟踪、记忆模型的微弱点状运动目标的跟踪技术 | 第100-104页 |
| 6．3 基于PDAF的序列图像点状运动目标跟踪技术 | 第104-110页 |
| 6．3．1 状态方程 | 第105页 |
| 6．3．2 普通kalman滤波器 | 第105-106页 |
| 6．3．3 基于PDAF的kalman滤波器 | 第106-108页 |
| 6．3．4 基于PDAF的kalman跟踪滤波器实验结果 | 第108-110页 |
| 6．4 本章小结 | 第110-111页 |
| 第七章 序列图像中微弱点状运动目标检测、跟踪系统方案设计 | 第111-120页 |
| 7．1 引言 | 第111-112页 |
| 7．2 系统的基本任务及功能指标 | 第112-113页 |
| 7．3 系统总体设计方案 | 第113-118页 |
| 7．3．1 系统的基本构成 | 第113页 |
| 7．3．2 系统分层设计思想 | 第113-114页 |
| 7．3．3 系统软件设计 | 第114-118页 |
| 7．3．4 系统硬件设计 | 第118页 |
| 7．4 总结 | 第118-120页 |
| 第八章 全文总结 | 第120-122页 |
| 参考文献 | 第122-131页 |
