文摘
英文文摘
1 绪论
1.1 课题研究的目的与意义
1.2 小目标检测与跟踪的研究现状
1.2.1 小目标能量积累技术
1.2.2 基于小波分析的小目标检测技术
1.2.3 杂波抑制技术
1.2.4 小目标特征提取与识别技术
1.2.5 运动目标跟踪技术
1.2.6 数据融合技术
1.2.7 基于无线传感网(WSN)的目标检测与跟踪
1.3 本文主要工作及内容安排
2 小运动目标检测与跟踪基本理论和基本方法
2.1 成像跟踪原理
2.1.1 目标检测与跟踪系统构成框架
2.1.2 影响小目标成像的主要因素
2.2 序列图像信号基本理论
2.2.1 序列图像模型
2.2.2 图像噪声分析
2.2.3 小运动目标特征
2.2.4 小运动目标检测与跟踪的主要困难
2.3 小目标检测与跟踪基本原理
2.3.1 小目标模型
2.3.2 (截断)序列概率比检验(SPRT)
2.3.3 基于运动信息的目标检测方法
2.3.4 图像预处理
2.3.5 小目标跟踪
2.4 无线传感器网络(WSN)的目标检测技术
2.5 小波变换基本理论
2.5.1 小波分析
2.5.2 几种常见的小波
2.5.3 新型小波
2.6 本章小结
3 基于目标检测与跟踪的无线传感器网络(WSN)的分析
3.1 WSN技术
3.2 基于目标检测的WSN模型
3.3 基于目标检测的WSN的通信特点
3.4 WSN的节点结构
3.4.1 节点组成原理
3.4.2 节点结构
3.5 基于目标检测的WSN的关键问题分析
3.5.1 能量问题
3.5.2 安全问题
3.5.3 容错机制
3.6 节点定位技术
3.6.1 WSN定位算法的性能评价
3.6.2 WSN定位算法的研究
3.6.3 定位算法分析与展望
3.7 本章小结
4 基于目标检测的小波变换与图像融合技术的研究
4.1 图像融合算法
4.1.1 像素级图像融合方法
4.1.2 图像融合规则
4.1.3 图像融合性能评价
4.2 基于小波分析自适应融合算法
4.2.1 小波基的选择分析
4.2.2 最佳小波分解层
4.2.3 不同融合规则的影响
4.2.4 自适应融合算法
4.2.5 实验及结果分析
4.3 两种新型小波的图像融合算法
4.3.1 基于Contourlet的图像融合算法
4.3.2 基于Curverlet的图像融合算法
4.3.3 新型小波图像融合实验及效果分析
4.4 本章小结
5 改进PDA-AI的运动目标跟踪性能研究
5.1 MPDA-AI法原理
5.2 PDA-AI和MPDA-AI性能分析
5.3 试验结果及分析
5.3.1 仿真试验及分析
5.3.2 外场试验及分析
5.4 本章小结
6 多目标跟踪技术
6.1 目标多特征提取
6.2 目标跟踪模型
6.3 多目标数据关联与跟踪维持
6.3.1 联合概率数据关联(JPDA)
6.3.2 快速数据关联滤波算法
6.4 试验结果与分析
6.5 小结
7 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
附录