| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第12-27页 |
| 1.1 论文研究背景和意义 | 第12-13页 |
| 1.2 水下目标检测技术 | 第13-15页 |
| 1.3 水下目标跟踪技术 | 第15-22页 |
| 1.3.1 国内外水下目标跟踪技术发展 | 第15-18页 |
| 1.3.2 目标跟踪技术的分类 | 第18-22页 |
| 1.4 DIDSON声纳简介 | 第22-24页 |
| 1.5 本文的研究内容 | 第24-27页 |
| 第2章 水下线状目标图像分割及动态目标检测技术 | 第27-50页 |
| 2.1 引言 | 第27页 |
| 2.2 水下线状目标图像分割技术 | 第27-38页 |
| 2.2.1 水下线状目标图像分割意义 | 第27-28页 |
| 2.2.2 Otsu算法 | 第28-29页 |
| 2.2.3 目标边缘检测 | 第29-31页 |
| 2.2.4 Hough变换线状目标检测 | 第31页 |
| 2.2.5 基于水下线状目标结构约束的阈值分割技术 | 第31-33页 |
| 2.2.6 实验结果与分析 | 第33-38页 |
| 2.3 水下动态目标检测技术 | 第38-49页 |
| 2.3.1 前景提取技术 | 第38-39页 |
| 2.3.2 适合声纳图像序列的动态目标检测技术 | 第39-43页 |
| 2.3.3 实验结果与分析 | 第43-49页 |
| 2.4 本章小结 | 第49-50页 |
| 第3章 多特征融合PSOPF跟踪技术 | 第50-73页 |
| 3.1 引言 | 第50页 |
| 3.2 粒子滤波 | 第50-55页 |
| 3.2.1 递推Bayes估计 | 第50-51页 |
| 3.2.2 序贯重要性采样 | 第51-53页 |
| 3.2.3 重采样 | 第53-55页 |
| 3.2.4 粒子滤波 | 第55页 |
| 3.3 多特征融合跟踪模型 | 第55-60页 |
| 3.3.1 状态转移模型 | 第55-56页 |
| 3.3.2 多特征提取 | 第56-57页 |
| 3.3.3 观测模型 | 第57-60页 |
| 3.4 多特征融合PSOPF跟踪算法 | 第60-63页 |
| 3.4.1 PSO算法 | 第60-62页 |
| 3.4.2 PF与PSO的关系 | 第62页 |
| 3.4.3 多特征融合PSOPF算法实现 | 第62-63页 |
| 3.5 实验结果与分析 | 第63-72页 |
| 3.5.1 跟踪评价方法 | 第63-64页 |
| 3.5.2 单目标跟踪实验 | 第64-72页 |
| 3.6 本章小结 | 第72-73页 |
| 第4章 基于LBF的轮廓跟踪技术 | 第73-95页 |
| 4.1 引言 | 第73页 |
| 4.2 LBF算法 | 第73-76页 |
| 4.2.1 水平集演化 | 第73-74页 |
| 4.2.2 LBF能量模型 | 第74-76页 |
| 4.3 基于LBF的轮廓跟踪算法 | 第76-78页 |
| 4.3.1 基于最大后验概率估计的轮廓迭代 | 第76-77页 |
| 4.3.2 基于LBF的轮廓跟踪算法实现 | 第77-78页 |
| 4.4 实验结果与分析 | 第78-93页 |
| 4.4.1 双目标交叉运动跟踪 | 第79-85页 |
| 4.4.2 双目标折返运动跟踪 | 第85-93页 |
| 4.5 本章小结 | 第93-95页 |
| 第5章 抗混叠水下目标跟踪技术 | 第95-113页 |
| 5.1 引言 | 第95页 |
| 5.2 目标声混叠现象分析 | 第95-98页 |
| 5.3 用能量流检测混叠 | 第98-99页 |
| 5.4 跟踪自动转换模型 | 第99-101页 |
| 5.4.1 联合权重模型 | 第99-100页 |
| 5.4.2 目标模型动态转换 | 第100-101页 |
| 5.5 实验结果与分析 | 第101-112页 |
| 5.5.1 平视目标跟踪实验 | 第101-107页 |
| 5.5.2 俯视目标跟踪实验 | 第107-112页 |
| 5.6 本章小结 | 第112-113页 |
| 结论 | 第113-115页 |
| 主要创新点 | 第114页 |
| 未来工作展望 | 第114-115页 |
| 参考文献 | 第115-124页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第124-125页 |
| 致谢 | 第125页 |