无人智能潜器水下目标探测跟踪技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·引言 | 第11-12页 |
| ·发展与现状 | 第12-15页 |
| ·探测声纳分类 | 第15-17页 |
| ·水下目标探测与跟踪技术 | 第17-18页 |
| ·论文的主要工作内容 | 第18-20页 |
| 第2章 扇扫声纳的原理与应用 | 第20-29页 |
| ·文中所用扇扫声纳 | 第20-22页 |
| ·扇扫声纳原理与特点 | 第22-24页 |
| ·分辨率 | 第22-24页 |
| ·目标回波强度 | 第24页 |
| ·声纳图像的生成和预处理 | 第24-28页 |
| ·坐标转换 | 第24-25页 |
| ·数据插值 | 第25-27页 |
| ·图像平滑 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 前视声纳图像分割 | 第29-55页 |
| ·声纳图像分割概述 | 第29-31页 |
| ·声纳图像分割方法的分类 | 第29-30页 |
| ·声纳图像分割方法的发展 | 第30-31页 |
| ·声纳图像阈值分割 | 第31-32页 |
| ·基于熵的声纳图像阈值分割 | 第32-38页 |
| ·一维最大熵阈值法 | 第32-34页 |
| ·二维最大熵阈值法 | 第34-35页 |
| ·二维最大熵阈值分割快速递推算法 | 第35-36页 |
| ·实验结果与分析 | 第36-38页 |
| ·声纳图像的模糊熵阈值分割 | 第38-43页 |
| ·模糊熵 | 第38页 |
| ·常见的三种隶属度函数 | 第38-40页 |
| ·模糊熵分割原理 | 第40-41页 |
| ·二维模糊熵分割方法 | 第41页 |
| ·二维最小模糊熵分割方法 | 第41-42页 |
| ·实验结果分析与算法改进 | 第42-43页 |
| ·声纳图像的二维时空模糊熵阈值分割 | 第43-53页 |
| ·二维时空直方图的建立 | 第43-44页 |
| ·二维时空熵阈值法实验结果与分析 | 第44-47页 |
| ·二维时空模糊熵阈值分割算法 | 第47页 |
| ·二维时空模糊熵算法实验结果与分析 | 第47-53页 |
| ·本章小结 | 第53-55页 |
| 第4章 基于前视声纳的特征选取 | 第55-67页 |
| ·引言 | 第55页 |
| ·基于前视声纳的特征计算分析 | 第55-64页 |
| ·形状与亮度特征 | 第57-58页 |
| ·不变矩特征 | 第58-60页 |
| ·形状矩特征 | 第60-61页 |
| ·纹理特征 | 第61-63页 |
| ·目标特征值计算结果分析 | 第63-64页 |
| ·基于广义回归神经网络的特征选取 | 第64-66页 |
| ·广义回归神经网络及其结构 | 第64-65页 |
| ·网络的建立与结果分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 基于前视声纳的水下目标跟踪算法研究 | 第67-85页 |
| ·引言 | 第67页 |
| ·卡尔曼滤波 | 第67-69页 |
| ·贝叶斯估计 | 第69-71页 |
| ·动态空间模型 | 第69-70页 |
| ·贝叶斯估计理论 | 第70-71页 |
| ·粒子滤波 | 第71-74页 |
| ·标准粒子滤波算法 | 第71-72页 |
| ·粒子退化与改进 | 第72-74页 |
| ·基于前视声纳的运动目标跟踪实现 | 第74-77页 |
| ·目标的运动模型 | 第75页 |
| ·目标的特征信息融合 | 第75-76页 |
| ·粒子滤波跟踪流程 | 第76-77页 |
| ·实验结果与分析 | 第77-84页 |
| ·粒子数目对跟踪效果的影响 | 第82-83页 |
| ·粒子滤波与 EKF 的对比 | 第83-84页 |
| ·本章小结 | 第84-85页 |
| 结论 | 第85-87页 |
| 参考文献 | 第87-92页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第92-93页 |
| 致谢 | 第93页 |
