| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·本课题研究现状 | 第10-13页 |
| ·本文研究内容及结构安排 | 第13-15页 |
| 2 视频中的机动目标检测 | 第15-25页 |
| ·引言 | 第15页 |
| ·常用目标检测方法局限性分析 | 第15-16页 |
| ·图像分割 | 第16-19页 |
| ·彩色图像灰度化 | 第16-17页 |
| ·确定阈值的方法 | 第17-19页 |
| ·连通域分割 | 第19页 |
| ·空域视频目标检测 | 第19-22页 |
| ·空域视频目标检测算法 | 第19-20页 |
| ·空域视频的图像分割处理效果 | 第20-22页 |
| ·自适应波门跟踪 | 第22-24页 |
| ·波门跟踪概述 | 第22-23页 |
| ·自适应波门的实现 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 机动目标跟踪概述 | 第25-37页 |
| ·引言 | 第25-26页 |
| ·机动目标模型 | 第26-29页 |
| ·CV和CA模型 | 第26-27页 |
| ·一阶时间相关模型(Singer模型) | 第27-28页 |
| ·机动目标"当前"统计模型 | 第28-29页 |
| ·滤波与预测概述 | 第29-30页 |
| ·数据关联技术研究 | 第30-35页 |
| ·最近邻关联 | 第30-31页 |
| ·灰度关联 | 第31-32页 |
| ·面积关联 | 第32-33页 |
| ·三种关联方法在视频目标跟踪中的应用 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 4 状态噪声去相关卡尔曼滤波算法研究 | 第37-43页 |
| ·引言 | 第37页 |
| ·状态噪声去相关的方法 | 第37-38页 |
| ·状态噪声一步相关的卡尔曼滤波算法 | 第38-39页 |
| ·状态噪声和测量噪声之间多步相关的卡尔曼滤波算法 | 第39-41页 |
| ·具有不确定观测和相关噪声的最优递推滤波算法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 状态噪声去相关卡尔曼滤波在视频目标跟踪中的应用 | 第43-65页 |
| ·引言 | 第43页 |
| ·有色状态噪声去相关卡尔曼滤波 | 第43-49页 |
| ·建立模型 | 第43-44页 |
| ·数据处理结果 | 第44-48页 |
| ·误差统计及分析 | 第48-49页 |
| ·二阶模型状态噪声去相关滤波与三阶模型标准卡尔曼滤波比较 | 第49-53页 |
| ·数据处理结果 | 第49-53页 |
| ·误差统计及分析 | 第53页 |
| ·非零均值瑞利分布的状态噪声去相关卡尔曼滤波 | 第53-56页 |
| ·建立模型 | 第53-54页 |
| ·数据处理结果 | 第54-55页 |
| ·误差统计及分析 | 第55-56页 |
| ·状态噪声与测量噪声的互相关性研究 | 第56-61页 |
| ·状态噪声和测量噪声的互相关性分析 | 第56页 |
| ·数据处理结果与误差分析 | 第56-61页 |
| ·状态噪声去相关算法跟踪实例 | 第61-63页 |
| ·AVI1跟踪效果图 | 第61-62页 |
| ·AVI2跟踪效果图 | 第62页 |
| ·AVI3跟踪效果图 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 6 总结与展望 | 第65-67页 |
| ·本文研究成果 | 第65页 |
| ·尚待解决的问题和未来研究的方向 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-71页 |