| 第一章 引言 | 第1-13页 |
| 1．1 前言 | 第10页 |
| 1．2 自动目标识别技术概述 | 第10-11页 |
| 1．3 图像分割和特征提取技术发展简介 | 第11-12页 |
| 1．4 论文的主要内容 | 第12-13页 |
| 第二章 图像分割方法研究 | 第13-30页 |
| 2．1 图像边缘检测 | 第13-16页 |
| 2．2 图像阈值分割 | 第16-24页 |
| 2．2．1 直方图分割法 | 第16-18页 |
| 2．2．2 基于灰度期望值的阈值分割 | 第18-19页 |
| 2．2．3 最大类间方差阈值分割 | 第19-20页 |
| 2．2．4 最大熵阈值分割 | 第20-21页 |
| 2．2．5 循环分割 | 第21-22页 |
| 2．2．6 实验结果比较 | 第22-24页 |
| 2．3 区域增长 | 第24页 |
| 2．4 轮廓提取与轮廓跟踪 | 第24-26页 |
| 2．5 基于数学形态学的图像分割 | 第26-30页 |
| 2．5．1 形态学运算子 | 第26-28页 |
| 2．5．2 形态算子的变形运算 | 第28-30页 |
| 第三章 图像匹配算法 | 第30-38页 |
| 3．1 图像匹配算法概述 | 第30-31页 |
| 3．2 基于图像像素灰度值的匹配算法 | 第31-38页 |
| 3．2．1 ABS（AbsoluteBalanceSearch | 第31-32页 |
| 3．2．2 归一化互相关匹配 | 第32-35页 |
| 3．2．3 矩匹配 | 第35-38页 |
| 3．2．3．1 基本原理 | 第35-36页 |
| 3．2．3．2 直方图统计匹配 | 第36-38页 |
| 第四章 图像匹配的加速算法 | 第38-46页 |
| 4．1 引言 | 第38页 |
| 4．2 幅度排序相关算法 | 第38-39页 |
| 4．3 SSDA（序贯相似度检测算法 | 第39-41页 |
| 4．4 分层搜索的序贯判决算法 | 第41-43页 |
| 4．5 运动目标运动预测方法 | 第43-44页 |
| 4．6 利用多线程技术 | 第44-46页 |
| 第五章 自动目标跟踪实现 | 第46-68页 |
| 5．1改进的相关跟踪算法 | 第46-48页 |
| 5．1．1 算法基本原理 | 第46-47页 |
| 5．1．2 模板匹配后的处理 | 第47-48页 |
| 5．2 自适应模板匹配算法 | 第48-50页 |
| 5．3 自动跟踪系统 | 第50-58页 |
| 5．3．1 系统组成 | 第50页 |
| 5．3．2 图象采集 | 第50-52页 |
| 5．3．3 目标选取和跟踪窗口 | 第52页 |
| 5．3．4 图象跟踪 | 第52-54页 |
| 5．3．5 关于实时性的考虑 | 第54-57页 |
| 5．3．5．1 采用异步双缓冲采集显示图像 | 第55-56页 |
| 5．3．5．2 优化跟踪窗口显示 | 第56-57页 |
| 5．3．6 高精度计时器实现 | 第57-58页 |
| 5．4 实验结果及分析 | 第58-68页 |
| 第六章 结论 | 第68-70页 |
| 6．1 工作总结 | 第68页 |
| 6．2 改进方向 | 第68-70页 |
| 附录 部分源程序 | 第70-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |