| 摘要 | 第11-12页 |
| Abstract | 第12-13页 |
| 第一章 绪论 | 第14-34页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 光测图像判读分析与挑战 | 第15-18页 |
| 1.2.1 光测图像判读 | 第15-16页 |
| 1.2.2 光测图像判读挑战 | 第16-18页 |
| 1.3 运动目标检测与跟踪算法研究现状 | 第18-30页 |
| 1.3.1 图像外观模型与距离测度 | 第18-21页 |
| 1.3.2 运动目标检测算法研究进展 | 第21-25页 |
| 1.3.3 运动目标跟踪算法研究进展 | 第25-30页 |
| 1.4 本文主要内容及创新点 | 第30-34页 |
| 1.4.1 本文主要内容 | 第30-32页 |
| 1.4.2 本文主要技术创新点 | 第32-34页 |
| 第二章 基于变化检测的运动目标检测方法研究 | 第34-66页 |
| 2.1 引言 | 第34-35页 |
| 2.2 算法综述 | 第35-39页 |
| 2.2.1 背景建模 | 第35-37页 |
| 2.2.2 运动检测 | 第37-39页 |
| 2.3 基于时空样本的背景建模方法 | 第39-49页 |
| 2.3.1 联合域像素模型 | 第39-41页 |
| 2.3.2 基于加权边缘概率密度函数的判别过程 | 第41页 |
| 2.3.3 在线模型更新 | 第41-43页 |
| 2.3.4 实验结果及分析 | 第43-49页 |
| 2.3.5 小结 | 第49页 |
| 2.4 基于密集光流和单应约束的近平面场景运动目标检测方法 | 第49-65页 |
| 2.4.1 稀疏/密集光流场景配准 | 第50-53页 |
| 2.4.2 基于密集光流的鲁棒单应矩阵估计 | 第53-59页 |
| 2.4.3 运动目标检测基本步骤 | 第59页 |
| 2.4.4 实验结果及分析 | 第59-65页 |
| 2.4.5 小结 | 第65页 |
| 2.5 本章总结 | 第65-66页 |
| 第三章 基于外观增量学习的目标跟踪方法研究 | 第66-100页 |
| 3.1 引言 | 第66-67页 |
| 3.2 算法综述 | 第67-72页 |
| 3.2.1 基于检测的区域跟踪 | 第67-70页 |
| 3.2.2 基于分割的轮廓跟踪 | 第70-72页 |
| 3.3 结合纹理和形状特征的在线混合随机朴素贝叶斯跟踪器 | 第72-87页 |
| 3.3.1 纹理和形状特征描述 | 第73-75页 |
| 3.3.2 混合随机朴素贝叶斯分类器训练 | 第75-78页 |
| 3.3.3 基于滑动窗口的目标定位 | 第78-79页 |
| 3.3.4 实验结果与分析 | 第79-86页 |
| 3.3.5 小结 | 第86-87页 |
| 3.4 基于高斯混合模型在线学习的轮廓跟踪方法 | 第87-99页 |
| 3.4.1 目标/背景特征的高斯混合模型描述 | 第87-90页 |
| 3.4.2 基于图模型的能量函数定义 | 第90-91页 |
| 3.4.3 轮廓跟踪基本步骤 | 第91-93页 |
| 3.4.4 实验结果与分析 | 第93-98页 |
| 3.4.5 小结 | 第98-99页 |
| 3.5 本章总结 | 第99-100页 |
| 第四章 基于跟踪-检测-学习框架的目标跟踪方法研究 | 第100-120页 |
| 4.1 引言 | 第100页 |
| 4.2 算法综述 | 第100-103页 |
| 4.2.1 难点问题 | 第100-102页 |
| 4.2.2 已有算法概述 | 第102-103页 |
| 4.3 一种跟踪-检测-学习算法的自适应加速实现 | 第103-118页 |
| 4.3.1 算法框架 | 第103-105页 |
| 4.3.2 支持关键点特征或区域特征自动选择的跟踪器 | 第105-106页 |
| 4.3.3 支持尺度在线估计的检测器 | 第106-109页 |
| 4.3.4 信任度加权平均融合器 | 第109页 |
| 4.3.5 基于结构约束的学习器 | 第109-111页 |
| 4.3.6 实验结果及分析 | 第111-118页 |
| 4.3.7 小结 | 第118页 |
| 4.4 本章总结 | 第118-120页 |
| 第五章 光测图像实时判读解算系统的设计与实现 | 第120-141页 |
| 5.1 总体设计方案 | 第120-123页 |
| 5.1.1 需求分析 | 第120-121页 |
| 5.1.2 体系结构 | 第121-122页 |
| 5.1.3 主要功能 | 第122-123页 |
| 5.2 关键技术 | 第123-127页 |
| 5.2.1 无模型的判读方法 | 第123页 |
| 5.2.2 人工指定几何基元的判读方法 | 第123-124页 |
| 5.2.3 基于二维模型的判读方法 | 第124-125页 |
| 5.2.4 基于三维模型的判读方法 | 第125-126页 |
| 5.2.5 人工干预 | 第126-127页 |
| 5.3 系统应用与实现 | 第127-140页 |
| 5.3.1 空中发射试验 | 第127-134页 |
| 5.3.2 光学特性测量 | 第134-137页 |
| 5.3.3 弹体位姿测量 | 第137-140页 |
| 5.4 本章总结 | 第140-141页 |
| 第六章 结论与展望 | 第141-144页 |
| 6.1 论文主要工作与创新点 | 第141-142页 |
| 6.2 需要进一步研究的问题 | 第142-144页 |
| 致谢 | 第144-145页 |
| 参考文献 | 第145-159页 |
| 作者在学期间取得的学术成果 | 第159-160页 |
