| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 无线激光靶场及相关技术国内外研究现状 | 第14-19页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.2.3 目标识别和定位技术研究现状 | 第16-18页 |
| 1.2.4 卷积神经网络在图像识别领域的现状 | 第18-19页 |
| 1.3 论文主要思路及结构安排 | 第19-23页 |
| 1.3.1 本文思路 | 第19-21页 |
| 1.3.2 组织结构 | 第21-23页 |
| 第二章 移动多目标无线激光靶场系统设计 | 第23-34页 |
| 2.1 系统分析 | 第23-25页 |
| 2.1.1 功能需求 | 第23-24页 |
| 2.1.2 性能需求 | 第24-25页 |
| 2.2 系统总体框架设计 | 第25-30页 |
| 2.2.1 硬件部分介绍 | 第27-29页 |
| 2.2.2 软件部分设计 | 第29-30页 |
| 2.3 关键技术 | 第30-32页 |
| 2.3.1 基于FAsT-Match的多靶位定位 | 第30-31页 |
| 2.3.2 基于EdgeBoxes与卷积神经网络的靶位定位 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 基于FAsT-Match的多靶位定位算法设计 | 第34-44页 |
| 3.1 基于FAsT-Match算法的单靶位定位 | 第34-36页 |
| 3.1.1 FAsT-Match算法的靶位定位 | 第34-35页 |
| 3.1.2 FAsT-Match算法的不足与改进方法 | 第35-36页 |
| 3.2 FCM聚类算法介绍 | 第36-38页 |
| 3.2.1 模糊集基本知识 | 第36页 |
| 3.2.2 模糊C均值聚类 | 第36-38页 |
| 3.3 基于改进FAsT-Match算法的多靶位定位 | 第38-40页 |
| 3.4 实验结果及分析 | 第40-43页 |
| 3.4.1 模糊C均值聚类改进 | 第40-42页 |
| 3.4.2 与基于SIFT与K-均值聚类的对比 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于EdgeBoxes与卷积神经网络的靶位定位算法设计 | 第44-57页 |
| 4.1 算法思想 | 第44-45页 |
| 4.2 对移动靶位定位 | 第45-46页 |
| 4.3 卷积神经网络模型设计 | 第46-50页 |
| 4.3.1 卷积模型结构 | 第46-49页 |
| 4.3.1.1 卷积层 | 第47页 |
| 4.2.1.2 激活层 | 第47-48页 |
| 4.2.1.3 池化层 | 第48页 |
| 4.2.1.4 全连接层 | 第48-49页 |
| 4.3.2 卷积网络训练 | 第49-50页 |
| 4.4 EdgeBoxes物体检测方法 | 第50-52页 |
| 4.5 基于CNN的定位框过滤 | 第52-53页 |
| 4.6 非极大值抑制在本文方法中的应用 | 第53页 |
| 4.7 实验结果及分析 | 第53-55页 |
| 4.7.1 数据集 | 第53-54页 |
| 4.7.2 实验结果评价标准 | 第54页 |
| 4.7.3 定位实验及分析 | 第54-55页 |
| 4.8 本章小结 | 第55-57页 |
| 第五章 系统实现 | 第57-67页 |
| 5.1 系统功能实现 | 第57-62页 |
| 5.1.1 开发环境 | 第57页 |
| 5.1.2 功能模块结构 | 第57-59页 |
| 5.1.3 关键技术实现 | 第59-62页 |
| 5.1.3.1 基于FAsT-Match的多靶位定位算法实现 | 第59-60页 |
| 5.1.3.2 基于EdgeBoxes与卷积神经网络的靶位定位算法的实现 | 第60-62页 |
| 5.2 系统运行实例 | 第62-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 在学期间的研究成果及发表的学术成果 | 第74页 |
