目錄
第1章 緒論 1
1.1 目標識別與跟蹤技術簡介 1
1.1.1 國內外研究成果 1
1.1.2 國內研究機構 2
1.2 目標識別與跟蹤技術的應用 3
1.3 目標識別與跟蹤相關技術 7
1.3.1 運動目標檢測技術 8
1.3.2 運動目標識別與跟蹤技術 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)星軌道參數計算 19
2.1 引言 19
2.2 衛(wèi)星軌道描述 20
2.3 坐標系變換 22
2.3.1 平移變換 22
2.3.2 正交變換 23
2.3.3 直角坐標與極坐標的轉換 24
2.4 導航定位方法 25
2.4.1 軌道計算 25
2.4.2 定位計算 32
2.5 仿真 34
2.6 小結 34
第3章 衛(wèi)星導航定位算法 35
3.1 引言 35
3.2 導航定位算法的改進算法 35
3.2.1 對經典導航定位算法的改進 35
3.2.2 線性化求解的導航算法改進 39
3.2.3 卡爾曼濾波的導航算法的改進 40
3.3 基于迭代的導航定位新算法 44
3.3.1 具體實施算法 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 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 49
4.3 定位誤差的三維幾何分布 50
4.3.1 定位誤差協(xié)方差的計算 50
4.3.2 X與θ的關系 53
4.3.3 PDOP與仰角和方位角的關系 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 60
第5章 基于模糊推理的目標識別算法 61
5.1 引言 61
5.2 有序加權平均算子的基本知識 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 實例分析 66
5.4 模糊推理方法在紋理目標識別中的應用 67
5.5 小結 72
第6章 基于閾值的模糊目標識別算法 73
6.1 引言 73
6.2 模糊信號的閾值處理方法 76
6.2.1 閾值降噪 77
6.2.2 閾值去噪仿真 78
6.2.3 權值調整模糊處理 80
6.3 目標識別 80
6.3.1 目標特征提取 80
6.3.2 分級的自動識別方法 82
6.4 實驗及結果分析 83
6.5 小結 85
第7章 基于稀疏INMF的目標跟蹤算法 86
7.1 引言 86
7.2 非負矩陣分解相關理論 87
7.2.1 非負矩陣理論的發(fā)展 87
7.2.2 非負矩陣分解的目標函數 88
7.2.3 非負矩陣分解的優(yōu)化求解方法 89
7.3 增量式非負矩陣分解理論 90
7.3.1 增量非負矩陣的目標函數 90
7.3.2 增量非負矩陣的更新規(guī)則 92
7.4 基于約束INMF的目標跟蹤算法 93
7.4.1 稀疏非負子空間外觀模型 93
7.4.2 外觀模型的優(yōu)化求解策略 94
7.4.3 在線目標跟蹤算法框架 95
7.5 試驗結果分析與比較 97
7.5.1 實驗結果定性分析 98
7.5.2 實驗結果定量分析 101
7.5.3 適用性討論 102
7.6 小結 102
第8章 基于多任務學習的目標跟蹤算法 104
8.1 引言 104
8.2 多任務學習基本理論 106
8.2.1 多任務學習的典型分類 107
8.2.2 多任務學習的典型算法模型 108
8.3 稀疏原型外觀模型理論 110
8.4 基于多任務稀疏原型的視頻跟蹤算法 111
8.4.1 多任務稀疏外觀模型 111
8.4.2 基于APG方法的最優(yōu)化求解策略 112
8.4.3 基于多任務稀疏原型的跟蹤算法框架 114
8.5 試驗結果分析與比較 115
8.5.1 實驗結果定性分析 116
8.5.2 實驗結果定量分析 121
8.5.3 適用范圍 124
8.6 小結 124
參考文獻 125
彩圖