| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 引言 | 第10页 |
| 1.2 目标识别跟踪方法及其现状 | 第10-15页 |
| 1.2.1 基于运动分析的方法 | 第10-13页 |
| 1.2.2 基于匹配技术的方法 | 第13-15页 |
| 1.3 Gabor小波提取特征 | 第15页 |
| 1.4 本文各章节内容安排 | 第15-17页 |
| 第2章 小波变换的理论基础 | 第17-27页 |
| 2.1 傅立叶变换 | 第17-18页 |
| 2.2 Gabor变换简介 | 第18-21页 |
| 2.2.1 Gabor函数的提出 | 第18-20页 |
| 2.2.2 Gabor函数与测不准原理 | 第20-21页 |
| 2.3 小波变换的基础 | 第21-26页 |
| 2.3.1 一维连续小波变换 | 第22-23页 |
| 2.3.2 二维连续小波变换 | 第23-25页 |
| 2.3.3 小波变换的特点 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 特征点选择与提取 | 第27-40页 |
| 3.1 引言 | 第27页 |
| 3.2 2D Gabor滤波器 | 第27-32页 |
| 3.2.1 Gabor滤波器的表达式 | 第28-29页 |
| 3.2.2 Gabor滤波器的性质 | 第29-32页 |
| 3.3 基于 GABOR滤波器的特征点的选择与提取 | 第32-39页 |
| 3.3.1 能量函数的确定 | 第33-35页 |
| 3.3.2 边缘点的检测 | 第35-36页 |
| 3.3.3 特征点提取 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于 GABOR变换的图像匹配研究 | 第40-51页 |
| 4.1 图像匹配算法概述 | 第40页 |
| 4.2 基于 Gabor变换的点特征匹配算法 | 第40-43页 |
| 4.2.1 相关函数的匹配算法 | 第41页 |
| 4.2.2 特征向量规范化 | 第41-43页 |
| 4.3 传统的点目标跟踪算法 | 第43-44页 |
| 4.3.1 最邻近(NN)算法 | 第43页 |
| 4.3.2 概率数据关联(PDA)算法 | 第43-44页 |
| 4.3.3 联合概率数据关联(JPDA)算法 | 第44页 |
| 4.4 基于点模式匹配的目标跟踪算法 | 第44-47页 |
| 4.4.1 点模式匹配问题的定义 | 第45页 |
| 4.4.2 点模式匹配算法 | 第45-47页 |
| 4.5 实验结果 | 第47-49页 |
| 4.6 目标发生大角度旋转时的算法改进 | 第49-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第5章 基于 KALMAN预测的目标跟踪算法 | 第51-60页 |
| 5.1 引言 | 第51-52页 |
| 5.2 Kalman滤波器 | 第52-55页 |
| 5.2.1 待估计的离散线性过程 | 第52-53页 |
| 5.2.2 Kalman滤波方程 | 第53-55页 |
| 5.2.3 滤波器参数 | 第55页 |
| 5.3 基于 Kalman滤波器的目标运动估计 | 第55-56页 |
| 5.4 Kalman滤波在轨迹预测中的结果分析 | 第56-58页 |
| 5.5 特征点跟踪算法实验 | 第58-59页 |
| 5.6 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 1、论文工作总结 | 第60页 |
| 2、问题与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第66-67页 |
| 致谢 | 第67页 |