| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究意义及背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 无人机目标检测追踪的常用方法 | 第12-15页 |
| 1.3.1 无人机目标检测常用方法 | 第12-14页 |
| 1.3.2 无人机目标追踪常用方法 | 第14-15页 |
| 1.4 课题存在的主要难点问题 | 第15-16页 |
| 1.5 本文研究内容与组织安排 | 第16-18页 |
| 第二章 无人机跟踪平台总体设计方案 | 第18-30页 |
| 2.1 无人机跟踪平台总体设计 | 第18-20页 |
| 2.2 飞行控制子系统设计 | 第20-24页 |
| 2.2.1 飞行控制处理器模块 | 第21-22页 |
| 2.2.2 电机驱动模块 | 第22页 |
| 2.2.3 数据传输模块和无线接收模块 | 第22-23页 |
| 2.2.4 各类传感器模块 | 第23-24页 |
| 2.3 目标跟踪子系统设计 | 第24-28页 |
| 2.3.1 视频跟踪处理模块 | 第25-26页 |
| 2.3.2 视频采集模块和视频图像发送模块 | 第26-28页 |
| 2.4 地面控制站子系统 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于SLIC显著性检测算法 | 第30-40页 |
| 3.1 视觉显著性检测简介 | 第30页 |
| 3.2 RC算法 | 第30-32页 |
| 3.2.1 RC算法原理 | 第30-31页 |
| 3.2.2 RC算法分析 | 第31-32页 |
| 3.3 超像素分割算法 | 第32-36页 |
| 3.3.1 SLIC算法 | 第32-33页 |
| 3.3.2 改进SLIC算法 | 第33页 |
| 3.3.3 本文超像分割算法 | 第33-34页 |
| 3.3.4 超像素分割效果 | 第34-35页 |
| 3.3.5 算法性能分析 | 第35-36页 |
| 3.4 本文目标检测算法 | 第36-37页 |
| 3.4.1 区域对比显著性检测 | 第36页 |
| 3.4.2 区域空间加权显著性检测 | 第36-37页 |
| 3.4.3 显著值计算 | 第37页 |
| 3.5 实验结果 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于Camshift和Kalman结合的跟踪方法 | 第40-54页 |
| 4.1 引言 | 第40页 |
| 4.2 基于Kalman滤波的跟踪算法 | 第40-43页 |
| 4.2.1 Kalman滤波的原理 | 第40-41页 |
| 4.2.2 Kalman滤波的步骤 | 第41-43页 |
| 4.3 改进的Camshift跟踪算法 | 第43-50页 |
| 4.3.1 LBP纹理特征 | 第43-45页 |
| 4.3.2 Camshift算法的原理 | 第45-48页 |
| 4.3.3 Camshift算法的步骤 | 第48-49页 |
| 4.3.4 实验结果与分析 | 第49-50页 |
| 4.4 基于改进的Camshift算法和Kalman滤波算法相结合的跟踪算法 | 第50-53页 |
| 4.4.1 算法的基本原理 | 第50-51页 |
| 4.4.2 实验结果与分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 系统综合试验验证 | 第54-60页 |
| 5.1 无人机检测跟踪系统 | 第54-55页 |
| 5.2 典型场景下的实验结果分析 | 第55-59页 |
| 5.2.1 学校操场低空简单背景目标无人机检测与跟踪 | 第55-58页 |
| 5.2.2 城市街头低空复杂环境目标无人机检测与跟踪 | 第58-59页 |
| 5.3 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 一、论文总结 | 第60页 |
| 二、论文展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |
