| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 2 识别及跟踪系统架构 | 第15-19页 |
| 2.1 飞行目标识别与跟踪系统模型 | 第15-16页 |
| 2.2 飞行目标识别相关技术 | 第16-17页 |
| 2.3 飞行目标跟踪相关技术 | 第17-18页 |
| 2.4 系统实现前期准备工作 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 飞行目标的图像分割 | 第19-34页 |
| 3.1 基于小波分解的分层自适应图像增强 | 第19-26页 |
| 3.1.1 低频子带对比度计算 | 第20页 |
| 3.1.2 低频子带对比度分层 | 第20-21页 |
| 3.1.3 分层增强函数的确定 | 第21-23页 |
| 3.1.4 增强权值图的确定及逆变换 | 第23-24页 |
| 3.1.5 增强效果的评价 | 第24-26页 |
| 3.2 一维最大熵阈值分割 | 第26-28页 |
| 3.3 基于角点检测的目标分割 | 第28-30页 |
| 3.4 分割算法的自适应选择 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 基于DSm T的目标特征融合及识别 | 第34-55页 |
| 4.1 DSm T简介 | 第34-37页 |
| 4.2 目标的多特征提取 | 第37-48页 |
| 4.2.1 目标的图像特征信息 | 第38-47页 |
| 4.2.2 目标的速度信息 | 第47-48页 |
| 4.3 基于DSm T的信息融合及识别 | 第48-50页 |
| 4.4 实验仿真 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 基于DSm T的多目标跟踪 | 第55-72页 |
| 5.1 数据关联与卡尔曼滤波 | 第55-59页 |
| 5.1.1 数据关联 | 第55-57页 |
| 5.1.2 卡尔曼滤波 | 第57-59页 |
| 5.2 属性对广义数据关联的作用 | 第59-62页 |
| 5.2.1 识别框架的建立 | 第59-60页 |
| 5.2.2 经典DSm关联规则的应用 | 第60-61页 |
| 5.2.3 混合DSm关联规则的应用 | 第61-62页 |
| 5.3 广义数据关联算法 | 第62-66页 |
| 5.3.1 广义数据关联的运动学概率 | 第63-65页 |
| 5.3.2 广义数据关联的属性概率 | 第65-66页 |
| 5.4 实验仿真 | 第66-71页 |
| 5.4.1 仿真情景：远距离平行运动目标 | 第67-68页 |
| 5.4.2 仿真情景：近距离运动目标 | 第68-69页 |
| 5.4.3 仿真情景：交叉运动目标 | 第69-71页 |
| 5.5 本章小结 | 第71-72页 |
| 6 飞行目标识别与跟踪系统实现 | 第72-79页 |
| 6.1 系统功能介绍 | 第72页 |
| 6.2 系统开发平台 | 第72-76页 |
| 6.2.1 软件项 | 第72页 |
| 6.2.2 硬件项 | 第72页 |
| 6.2.3 执行方案 | 第72-74页 |
| 6.2.4 各软件单元功能 | 第74-75页 |
| 6.2.5 接口设计 | 第75-76页 |
| 6.3 系统运行结果 | 第76-78页 |
| 6.4 本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 攻读学位期间发表的与学位论文内容相关的学术论文及研究成果 | 第85页 |