| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 引言 | 第12页 |
| 1.2 论文背景与研究意义 | 第12-13页 |
| 1.3 国内外研究发展现状 | 第13-17页 |
| 1.3.1 国外研究发展现状 | 第13-16页 |
| 1.3.2 国内研究发展现状 | 第16-17页 |
| 1.4 水下目标探测跟踪技术研究 | 第17-20页 |
| 1.4.1 前视声呐图像处理技术研究 | 第17-19页 |
| 1.4.2 水下目标特征选择及融合技术研究 | 第19-20页 |
| 1.4.3 水下多目标跟踪滤波和数据关联技术研究 | 第20页 |
| 1.5 论文主要研究内容及章节安排 | 第20-22页 |
| 第2章 前视声呐图像处理研究 | 第22-49页 |
| 2.1 引言 | 第22页 |
| 2.2 前视声呐图像分析 | 第22-26页 |
| 2.3 前视声呐图像去噪分析 | 第26-31页 |
| 2.3.1 常用的中值滤波算法 | 第26-27页 |
| 2.3.2 快速中值滤波算法 | 第27-30页 |
| 2.3.3 声呐图像滤波结果对比分析 | 第30-31页 |
| 2.4 前视声呐图像增强分析 | 第31-43页 |
| 2.4.1 基于改进隶属度函数的模糊图像增强算法 | 第32-37页 |
| 2.4.2 局部对比度增强算法 | 第37-43页 |
| 2.5 前视声呐图像目标分割 | 第43-46页 |
| 2.5.1 常用的图像分割算法 | 第43-44页 |
| 2.5.2 基于阈值法和区域生长算法的图像分割 | 第44-46页 |
| 2.6 区域缺损联通 | 第46-47页 |
| 2.7 本章小结 | 第47-49页 |
| 第3章 水下目标多特征融合跟踪研究 | 第49-75页 |
| 3.1 引言 | 第49页 |
| 3.2 声呐图像特征计算 | 第49-54页 |
| 3.3 基于GRNN评判准则的SFS及SBS特征选择方法 | 第54-59页 |
| 3.3.1 广义回归神经网络模型 | 第54-56页 |
| 3.3.2 GRNN-SFS及GRNN-SBS特征选择 | 第56-57页 |
| 3.3.3 结果比较及最优特征组合确定 | 第57-59页 |
| 3.4 粒子滤波算法 | 第59-62页 |
| 3.4.1 粒子滤波算法概述 | 第60页 |
| 3.4.2 粒子滤波算法基本原理 | 第60-62页 |
| 3.5 目标运动模型和多特征似然模型 | 第62-63页 |
| 3.6 信息融合策略 | 第63-74页 |
| 3.6.1 加权和融合策略 | 第63-64页 |
| 3.6.2 乘性融合策略 | 第64页 |
| 3.6.3 基于各特征可信度的自适应融合策略 | 第64-66页 |
| 3.6.4 不同融合策略跟踪及跟踪结果 | 第66-74页 |
| 3.7 本章小结 | 第74-75页 |
| 第4章 水下多目标跟踪数据关联研究 | 第75-92页 |
| 4.1 引言 | 第75页 |
| 4.2 多目标轨迹处理 | 第75-77页 |
| 4.3 多目标跟踪数据关联方法 | 第77-83页 |
| 4.3.1 NNDA-PF算法的目标跟踪 | 第78-79页 |
| 4.3.2 融合多特征信息的JPDA-PF算法的目标跟踪 | 第79-83页 |
| 4.4 不同关联方法试验结果与分析 | 第83-90页 |
| 4.5 本章小结 | 第90-92页 |
| 第5章 水下机器人多目标跟踪系统试验研究 | 第92-108页 |
| 5.1 引言 | 第92页 |
| 5.2 水下机器人多目标跟踪系统试验平台 | 第92-96页 |
| 5.2.1 水下机器人系统结构 | 第92-93页 |
| 5.2.2 水下机器人多目标跟踪系统体系结构 | 第93-96页 |
| 5.3 多目标跟踪半实物仿真试验 | 第96-98页 |
| 5.4 多目标跟踪水池试验 | 第98-102页 |
| 5.4.1 水池试验环境 | 第98-99页 |
| 5.4.2 水池试验内容 | 第99页 |
| 5.4.3 水池试验结果 | 第99-102页 |
| 5.5 多目标跟踪海上试验 | 第102-107页 |
| 5.5.1 海上试验环境 | 第102-103页 |
| 5.5.2 海上试验结果 | 第103-107页 |
| 5.6 本章小结 | 第107-108页 |
| 结论 | 第108-110页 |
| 参考文献 | 第110-117页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第117-118页 |
| 致谢 | 第118页 |
