| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-30页 |
| ·课题研究的背景和意义 | 第12-13页 |
| ·国内外研究发展现状综述 | 第13-27页 |
| ·目标识别方法国内外研究现状 | 第15-25页 |
| ·目标跟踪方法国内外研究现状 | 第25-27页 |
| ·基于图像的识别与跟踪技术难点 | 第27-28页 |
| ·论文的主要研究内容 | 第28-30页 |
| 第2章 图像预处理 | 第30-46页 |
| ·图像自适应-模糊滤波算法 | 第30-39页 |
| ·脉冲噪声的自适应滤波算法 | 第31-34页 |
| ·高斯噪声的模糊滤波算法 | 第34-35页 |
| ·图像滤波算法中的快速中值计算 | 第35-36页 |
| ·图像滤波算法仿真结果 | 第36-39页 |
| ·模板特征点初始化预处理 | 第39-45页 |
| ·特征点初始化序列的选择 | 第39-43页 |
| ·特征点初始化序列算法性能比较与分析 | 第43页 |
| ·Gabor小波特征点初始化 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第3章 基于Gabor小波特征的目标识别方法 | 第46-82页 |
| ·小波变换 | 第50-53页 |
| ·一维连续小波变换 | 第50-51页 |
| ·二维连续小波变换 | 第51-53页 |
| ·Gabor小波特性分析与Gabor小波系数的快速算法 | 第53-68页 |
| ·Gabor小波特性分析 | 第54-58页 |
| ·Gabor小波系数的快速算法 | 第58-68页 |
| ·Gabor小波参数的选取和特征点选择 | 第68-80页 |
| ·Gabor小波的参数特性分析 | 第68-72页 |
| ·Gabor小波参数选取 | 第72-80页 |
| ·本章小结 | 第80-82页 |
| 第4章 基于图像模板匹配的目标识别方法 | 第82-115页 |
| ·普通模板匹配 | 第83-85页 |
| ·普通模板算法 | 第83-84页 |
| ·实验结果与分析 | 第84-85页 |
| ·改进的序贯相似性检测(SSDA)算法 | 第85-94页 |
| ·经典序贯相似性检测算法 | 第86页 |
| ·改进序贯相似性检测算法 | 第86-90页 |
| ·基于MCD距离的自适应模板更新 | 第90-91页 |
| ·实验结果与分析 | 第91-94页 |
| ·改进的均值移动(Mean Shift)算法 | 第94-113页 |
| ·均值移动(Mean Shift)算法 | 第95-99页 |
| ·目标跟踪中的均值移动(Mean Shift)算法 | 第99-103页 |
| ·均值移动(Mean Shift)算法分析与改进 | 第103-106页 |
| ·实验结果与分析 | 第106-113页 |
| ·本章小结 | 第113-115页 |
| 第5章 基于卡尔曼的非线性自适应跟踪算法 | 第115-138页 |
| ·基本卡尔曼滤波器 | 第115-117页 |
| ·建立机动目标的数学模型 | 第117-120页 |
| ·一阶时间相关模型 | 第117-118页 |
| ·机动目标当前统计模型 | 第118-120页 |
| ·基于当前统计模型的卡尔曼滤波算法分析 | 第120-130页 |
| ·当前统计模型卡尔曼滤波算法 | 第121-123页 |
| ·当前统计模型卡尔曼滤波算法仿真 | 第123-128页 |
| ·当前统计模型卡尔曼滤波算法存在不足分析 | 第128-130页 |
| ·基于卡尔曼的非线性自适应跟踪算法 | 第130-137页 |
| ·基于卡尔曼的非线性自适应跟踪算法 | 第130-134页 |
| ·基于卡尔曼的非线性自适应跟踪算法仿真 | 第134-137页 |
| ·本章小结 | 第137-138页 |
| 结论 | 第138-142页 |
| 参考文献 | 第142-158页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第158-160页 |
| 致谢 | 第160页 |