基于小波分析的军事目标识别及跟踪方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究目的及意义 | 第11-12页 |
| ·目标检测与跟踪国内外研究现状 | 第12-15页 |
| ·本文主要研究内容 | 第15-16页 |
| ·小波分析在课题中的地位和作用 | 第16-17页 |
| ·本文主要结构安排 | 第17-19页 |
| 第2章 系统结构及小波分析方法研究 | 第19-47页 |
| ·引言 | 第19-26页 |
| ·光电经纬仪简介 | 第19-22页 |
| ·电视跟踪系统构成及工作原理简介 | 第22-23页 |
| ·电视系统工作过程 | 第23-24页 |
| ·系统的基本组成及原理 | 第24页 |
| ·系统结构设计 | 第24-26页 |
| ·电视跟踪的数学模型 | 第26页 |
| ·小波变换理论及方法 | 第26-31页 |
| ·小波变换方法概述 | 第26-28页 |
| ·小波快速分解 | 第28-30页 |
| ·二维离散小波变换 | 第30-31页 |
| ·多分辨分析方法 | 第31-34页 |
| ·小波滤波理论问题研究 | 第34-37页 |
| ·小波函数选择 | 第35-36页 |
| ·小波分析在特征提取方面的应用 | 第36页 |
| ·小波变换在目标图像处理中的应用 | 第36-37页 |
| ·小波分解与重构实现 | 第37-40页 |
| ·小波变换在小目标识别中的实验 | 第40-42页 |
| ·小波基选取的实验结果 | 第41-42页 |
| ·双正交小波的目标提取方法 | 第42-46页 |
| ·双正交小波提取弱目标过程 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第3章 目标检测及边缘检测算法研究 | 第47-61页 |
| ·引言 | 第47-48页 |
| ·图像分割方法 | 第47-48页 |
| ·图像处理技术 | 第48-51页 |
| ·自适应门限 | 第49页 |
| ·最大类间方差分割 | 第49-50页 |
| ·图像增强和边缘检测 | 第50-51页 |
| ·图像边缘检测的常用方法 | 第51-54页 |
| ·中值滤波 | 第53-54页 |
| ·数学形态学边缘检测算法 | 第54-55页 |
| ·数学形态学基础 | 第54-55页 |
| ·形态学边缘检测 | 第55页 |
| ·常用弱小目标图像预处理算法 | 第55-56页 |
| ·复杂背景目标检测算法过程 | 第55-56页 |
| ·实验结果及分析 | 第56-60页 |
| ·简单背景下的点目标检测 | 第56页 |
| ·背景相对复杂的小目标检测 | 第56-57页 |
| ·相对复杂背景下大目标检测 | 第57-58页 |
| ·弱目标检测时间分析 | 第58-59页 |
| ·实验结果 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第4章 小波边缘检测方法 | 第61-77页 |
| ·引言 | 第61页 |
| ·评价边缘检测算法的准则 | 第61-62页 |
| ·连续Canny准则 | 第61-62页 |
| ·离散Canny准则 | 第62页 |
| ·基于小波变换的目标预处理研究 | 第62-65页 |
| ·利用小波局部模极大值检测边缘的方法 | 第62-63页 |
| ·基于小波变换的边缘检测理论 | 第63-64页 |
| ·小波多尺度局部模极大值边缘检测的原理 | 第64-65页 |
| ·最优双正交小波边缘检测方法 | 第65-71页 |
| ·三次B样条小波的构造 | 第65-67页 |
| ·小波提取图像边缘的算法 | 第67-68页 |
| ·边缘检测的自适应阈值的选取 | 第68-69页 |
| ·常见的微分算子 | 第69-71页 |
| ·各种微分算子的比较 | 第71页 |
| ·边缘检测结果及分析 | 第71-75页 |
| ·常用边缘检测算子检测的结果 | 第71-72页 |
| ·小波边缘检测结果 | 第72-74页 |
| ·多尺度小波边缘检测 | 第74页 |
| ·基于二次B样条小波的边缘检测实验 | 第74-75页 |
| ·利用边缘信息进行目标定位 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第5章 目标跟踪算法的应用与研究 | 第77-93页 |
| ·引言 | 第77页 |
| ·图像序列目标跟踪技术 | 第77-78页 |
| ·粒子滤波的跟踪方法 | 第78-86页 |
| ·贝叶斯滤波原理 | 第79-81页 |
| ·粒子滤波跟踪方法实现 | 第81-85页 |
| ·模拟跟踪 | 第85-86页 |
| ·目标跟踪 | 第86-89页 |
| ·简单背景下的小目标的跟踪 | 第86-88页 |
| ·简单背景下的大目标跟踪 | 第88-89页 |
| ·跟踪精度的影响因素 | 第89-92页 |
| ·粒子数目对跟踪精度的影响 | 第89-90页 |
| ·粒子传播半径对跟踪精度的影响 | 第90页 |
| ·系统状态转移方程的确定 | 第90-92页 |
| ·本章小结 | 第92-93页 |
| 第6章 Gabor小波目标识别方法研究 | 第93-108页 |
| ·引言 | 第93页 |
| ·Gabor变换及其函数特性 | 第93-100页 |
| ·提取Gabor小波特征的方法 | 第96-97页 |
| ·能量函数的确定和最小化 | 第97页 |
| ·粒子群优化算法 | 第97-98页 |
| ·算法分析 | 第98-99页 |
| ·参数优化 | 第99-100页 |
| ·小波特征模板的求取 | 第100-107页 |
| ·Gabor小波特征提取方法的仿真 | 第101页 |
| ·多通道Gabor滤波器 | 第101-102页 |
| ·多尺度Gabor滤波和特征提取 | 第102-103页 |
| ·主成分分析实现降维的方法 | 第103-104页 |
| ·网络参数确定原则 | 第104-105页 |
| ·用BP神经网络分类 | 第105-106页 |
| ·基于多通道GABOR滤波器的灰度图象目标识别 | 第106-107页 |
| ·本章小结 | 第107-108页 |
| 第7章 小波变换在遥感图像融合中的应用 | 第108-120页 |
| ·引言 | 第108页 |
| ·遥感数字图像 | 第108-110页 |
| ·多光谱遥感数据的波谱信息 | 第109-110页 |
| ·图像融合 | 第110页 |
| ·基于IHS和小波变换的图像融合方法 | 第110-113页 |
| ·多光谱遥感影像数字特征的统计分析 | 第111-113页 |
| ·基于小波变换的图像融合 | 第113页 |
| ·基于IHS和小波变换的图像融合算法实现 | 第113-119页 |
| ·IHS融合技术 | 第113-115页 |
| ·基于IHS和小波变换的图像融合的原理 | 第115-116页 |
| ·融合算法 | 第116-117页 |
| ·实验结果及分析 | 第117-119页 |
| ·本章小结 | 第119-120页 |
| 第8章 总结与展望 | 第120-124页 |
| ·全文工作总结 | 第120-122页 |
| ·论文创新性工作 | 第122-123页 |
| ·展望 | 第123-124页 |
| 参考文献 | 第124-129页 |
| 攻读博士学位期间发表的学术论文及承担项目 | 第129-131页 |
| 致谢 | 第131页 |
