摘要 | 第5-6页 |
abstract | 第6-7页 |
第1章 绪论 | 第11-21页 |
1.1 课题研究背景及意义 | 第11-14页 |
1.2 国内外发展现状 | 第14-18页 |
1.2.1 国外发展现状 | 第14-17页 |
1.2.2 国内发展现状 | 第17-18页 |
1.3 弱小目标检测与跟踪技术研究方法及比较 | 第18-19页 |
1.4 论文的主要研究内容及组织结构 | 第19-20页 |
1.5 本章小结 | 第20-21页 |
第2章 星空图像预处理 | 第21-37页 |
2.1 星空图像噪声分析及预处理 | 第22-26页 |
2.1.1 空间辐射引起的外部噪声 | 第22-23页 |
2.1.2 成像链路内部噪声 | 第23-24页 |
2.1.3 热像元及闪烁噪声预处理方法 | 第24-26页 |
2.2 星空背景特性分析及预处理 | 第26-32页 |
2.2.1 天文背景特性分析 | 第26-27页 |
2.2.2 背景非均匀分布校正 | 第27-30页 |
2.2.3 实验结果分析 | 第30-32页 |
2.3 星空图像恒星目标特性分析及质心定位 | 第32-36页 |
2.3.1 恒星目标特性分析 | 第32页 |
2.3.2 质心提取算法 | 第32-35页 |
2.3.3 实验结果及算法对比分析 | 第35-36页 |
2.4 本章小结 | 第36-37页 |
第3章 星空图像配准方法 | 第37-51页 |
3.1 基于联合变换相关的图像配准 | 第37-39页 |
3.2 基于最大公共子序列的图像配准 | 第39-43页 |
3.2.1 特征向量的构建 | 第39-40页 |
3.2.2 基于LCS的匹配方法 | 第40-42页 |
3.2.3 实验与结果分析 | 第42-43页 |
3.3 基于投票算法的图像配准 | 第43-45页 |
3.4 配准后的背景差分方法 | 第45-49页 |
3.4.1 背景差分目标检测方法 | 第45-46页 |
3.4.2 实验评价指标及结果 | 第46-47页 |
3.4.3 目标检测实验结果 | 第47-49页 |
3.5 本章小结 | 第49-51页 |
第4章 基于恒星背景抑制的弱小目标检测算法 | 第51-63页 |
4.1 基本的星图识别算法 | 第51-52页 |
4.2 主星轮状编码算法 | 第52-56页 |
4.2.1 导航星数据库的构建 | 第52-55页 |
4.2.2 星图识别算法 | 第55-56页 |
4.3 仿真实验与结果分析 | 第56-60页 |
4.3.1 仿真实验参数 | 第56-57页 |
4.3.2 位置噪声对识别成功率的影响 | 第57页 |
4.3.3 干扰星对识别成功率的影响 | 第57-59页 |
4.3.4 识别时间与存储空间 | 第59页 |
4.3.5 结论 | 第59-60页 |
4.4 恒星背景抑制及弱小目标检测 | 第60-61页 |
4.5 本章小结 | 第61-63页 |
第5章 弱小目标跟踪方法研究 | 第63-75页 |
5.1 卡尔曼滤波 | 第63-67页 |
5.1.1 卡尔曼滤波简介 | 第63页 |
5.1.2 卡尔曼滤波基本原理 | 第63-65页 |
5.1.3 线性 Kalman 滤波弱小目标跟踪算法 | 第65页 |
5.1.4 卡尔曼滤波的参数处理 | 第65-66页 |
5.1.5 实验结果 | 第66-67页 |
5.2 粒子滤波 | 第67-74页 |
5.2.1 粒子滤波简介 | 第67-68页 |
5.2.2 粒子滤波基本原理 | 第68-73页 |
5.2.3 实验结果 | 第73-74页 |
5.3 本章小结 | 第74-75页 |
第6章 基于树莓派的目标检测跟踪硬件平台设计 | 第75-83页 |
6.1 树莓派简介 | 第75-76页 |
6.2 树莓派选型 | 第76-78页 |
6.3 树莓派系统安装和 OpenCV 平台搭建 | 第78-80页 |
6.3.1 树莓派系统的选择 | 第78-79页 |
6.3.2 OpenCV 概述 | 第79页 |
6.3.3 系统安装与 OpenCV 搭建 | 第79-80页 |
6.4 软硬件平台总体设计 | 第80-81页 |
6.4.1 系统硬件总体结构 | 第80-81页 |
6.4.2 系统软件总体设计 | 第81页 |
6.5 实验结果 | 第81-82页 |
6.6 本章小结 | 第82-83页 |
第7章 总结与展望 | 第83-85页 |
参考文献 | 第85-91页 |
致谢 | 第91-93页 |
作者简历及攻读学位期间发表的学术论文与研究成果 | 第93页 |