目錄
第1章 緒論 1
1.1 目標(biāo)識(shí)別與跟蹤技術(shù)簡(jiǎn)介 1
1.1.1 國(guó)內(nèi)外研究成果 1
1.1.2 國(guó)內(nèi)研究機(jī)構(gòu) 2
1.2 目標(biāo)識(shí)別與跟蹤技術(shù)的應(yīng)用 3
1.3 目標(biāo)識(shí)別與跟蹤相關(guān)技術(shù) 7
1.3.1 運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù) 8
1.3.2 運(yùn)動(dòng)目標(biāo)識(shí)別與跟蹤技術(shù) 9
1.4 圖像稀疏表示理論 15
1.4.1 稀疏表示模型 15
1.4.2 稀疏表示的度量 16
1.4.3 稀疏表示的優(yōu)化算法 16
第2章 衛(wèi)星軌道參數(shù)計(jì)算 19
2.1 引言 19
2.2 衛(wèi)星軌道描述 20
2.3 坐標(biāo)系變換 22
2.3.1 平移變換 22
2.3.2 正交變換 23
2.3.3 直角坐標(biāo)與極坐標(biāo)的轉(zhuǎn)換 24
2.4 導(dǎo)航定位方法 25
2.4.1 軌道計(jì)算 25
2.4.2 定位計(jì)算 32
2.5 仿真 34
2.6 小結(jié) 34
第3章 衛(wèi)星導(dǎo)航定位算法 35
3.1 引言 35
3.2 導(dǎo)航定位算法的改進(jìn)算法 35
3.2.1 對(duì)經(jīng)典導(dǎo)航定位算法的改進(jìn) 35
3.2.2 線性化求解的導(dǎo)航算法改進(jìn) 39
3.2.3 卡爾曼濾波的導(dǎo)航算法的改進(jìn) 40
3.3 基于迭代的導(dǎo)航定位新算法 44
3.3.1 具體實(shí)施算法 44
3.3.2 算法的收斂性 46
3.3.3 仿真 46
3.3.4 迭代法的加速收斂討論 47
3.4 小結(jié) 48
第4章 基于衛(wèi)星定位誤差的最優(yōu)星座配置算法 49
4.1 引言 49
4.2 幾何精度指標(biāo) 49
4.3 定位誤差的三維幾何分布 50
4.3.1 定位誤差協(xié)方差的計(jì)算 50
4.3.2 X與θ的關(guān)系 53
4.3.3 PDOP與仰角和方位角的關(guān)系 54
4.4 定位誤差及其四維幾何分布與選星 56
4.4.1 定位誤差及其GDOP 56
4.4.2 星座仰角和方位角對(duì)定位精度的影響 57
4.5 仿真和討論 58
4.5.1 仿真 58
4.5.2 一種新的選星算法 59
4.6 小結(jié) 60
第5章 基于模糊推理的目標(biāo)識(shí)別算法 61
5.1 引言 61
5.2 有序加權(quán)平均算子的基本知識(shí) 62
5.3 一種區(qū)間值模糊推理 63
5.3.1 推理方法介紹 63
5.3.2 實(shí)例分析 66
5.4 模糊推理方法在紋理目標(biāo)識(shí)別中的應(yīng)用 67
5.5 小結(jié) 72
第6章 基于閾值的模糊目標(biāo)識(shí)別算法 73
6.1 引言 73
6.2 模糊信號(hào)的閾值處理方法 76
6.2.1 閾值降噪 77
6.2.2 閾值去噪仿真 78
6.2.3 權(quán)值調(diào)整模糊處理 80
6.3 目標(biāo)識(shí)別 80
6.3.1 目標(biāo)特征提取 80
6.3.2 分級(jí)的自動(dòng)識(shí)別方法 82
6.4 實(shí)驗(yàn)及結(jié)果分析 83
6.5 小結(jié) 85
第7章 基于稀疏INMF的目標(biāo)跟蹤算法 86
7.1 引言 86
7.2 非負(fù)矩陣分解相關(guān)理論 87
7.2.1 非負(fù)矩陣?yán)碚摰陌l(fā)展 87
7.2.2 非負(fù)矩陣分解的目標(biāo)函數(shù) 88
7.2.3 非負(fù)矩陣分解的優(yōu)化求解方法 89
7.3 增量式非負(fù)矩陣分解理論 90
7.3.1 增量非負(fù)矩陣的目標(biāo)函數(shù) 90
7.3.2 增量非負(fù)矩陣的更新規(guī)則 92
7.4 基于約束INMF的目標(biāo)跟蹤算法 93
7.4.1 稀疏非負(fù)子空間外觀模型 93
7.4.2 外觀模型的優(yōu)化求解策略 94
7.4.3 在線目標(biāo)跟蹤算法框架 95
7.5 試驗(yàn)結(jié)果分析與比較 97
7.5.1 實(shí)驗(yàn)結(jié)果定性分析 98
7.5.2 實(shí)驗(yàn)結(jié)果定量分析 101
7.5.3 適用性討論 102
7.6 小結(jié) 102
第8章 基于多任務(wù)學(xué)習(xí)的目標(biāo)跟蹤算法 104
8.1 引言 104
8.2 多任務(wù)學(xué)習(xí)基本理論 106
8.2.1 多任務(wù)學(xué)習(xí)的典型分類(lèi) 107
8.2.2 多任務(wù)學(xué)習(xí)的典型算法模型 108
8.3 稀疏原型外觀模型理論 110
8.4 基于多任務(wù)稀疏原型的視頻跟蹤算法 111
8.4.1 多任務(wù)稀疏外觀模型 111
8.4.2 基于APG方法的最優(yōu)化求解策略 112
8.4.3 基于多任務(wù)稀疏原型的跟蹤算法框架 114
8.5 試驗(yàn)結(jié)果分析與比較 115
8.5.1 實(shí)驗(yàn)結(jié)果定性分析 116
8.5.2 實(shí)驗(yàn)結(jié)果定量分析 121
8.5.3 適用范圍 124
8.6 小結(jié) 124
參考文獻(xiàn) 125
彩圖