第1章 绪论 1
1.1 目标识别与跟踪技术简介 1
1.1.1 国内外研究成果 1
1.1.2 国内研究机构 2
1.2 目标识别与跟踪技术的应用 3
1.3 目标识别与跟踪相关技术 7
1.3.1 运动目标检测技术 8
1.3.2 运动目标识别与跟踪技术 9
1.4 图像稀疏表示理论 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 稀疏表示的优化算法 16
第2章 卫星轨道参数计算 19
2.1 引言 19
2.2 卫星轨道描述 20
2.3 坐标系变换 22
2.3.1 平移变换 22
2.3.2 正交变换 23
2.3.3 直角坐标与极坐标的转换 24
2.4 导航定位方法 25
2.4.1 轨道计算 25
2.4.2 定位计算 32
2.5 仿真 34
2.6 小结 34
第3章 卫星导航定位算法 35
3.1 引言 35
3.2 导航定位算法的改进算法 35
3.2.1 对经典导航定位算法的改进 35
3.2.2 线性化求解的导航算法改进 39
3.2.3 卡尔曼滤波的导航算法的改进 40
3.3 基于迭代的导航定位新算法 44
3.3.1 具体实施算法 44
3.3.2 算法的收敛性 46
3.3.3 仿真 46
3.3.4 迭代法的加速收敛讨论 47
3.4 小结 48
第4章 基于卫星定位误差的最优星座配置算法 49
4.1 引言 49
4.2 几何精度指标 49
4.3 定位误差的三维几何分布 50
4.3.1 定位误差协方差的计算 50
4.3.2 σ？u与θi、ei的关系 53
4.3.3 PDOP与仰角和方位角的关系 54
4.4 定位误差及其四维几何分布与选星 56
4.4.1 定位误差及其GDOP 56
4.4.2 星座仰角和方位角对定位精度的影响 57
4.5 仿真和讨论 58
4.5.1 仿真 58
4.5.2 一种新的选星算法 59
4.6 小结 60
第5章 基于模糊推理的目标识别算法 61
5.1 引言 61
5.2 有序加权平均算子的基本知识 62
5.3 一种区间值模糊推理 63
5.3.1 推理方法介绍 63
5.3.2 实例分析 66
5.4 模糊推理方法在纹理目标识别中的应用 67
5.5 小结 72
第6章 基于阈值的模糊目标识别算法 73
6.1 引言 73
6.2 模糊信号的阈值处理方法 76
6.2.1 阈值降噪 77
6.2.2 阈值去噪仿真 78
6.2.3 权值调整模糊处理 80
6.3 目标识别 80
6.3.1 目标特征提取 80
6.3.2 分级的自动识别方法 82
6.4 实验及结果分析 83
6.5 小结 85
第7章 基于稀疏INMF的目标跟踪算法 86
7.1 引言 86
7.2 非负矩阵分解相关理论 87
7.2.1 非负矩阵理论的发展 87
7.2.2 非负矩阵分解的目标函数 88
7.2.3 非负矩阵分解的优化求解方法 89
7.3 增量式非负矩阵分解理论 90
7.3.1 增量非负矩阵的目标函数 90
7.3.2 增量非负矩阵的更新规则 92
7.4 基于约束INMF的目标跟踪算法 93
7.4.1 稀疏非负子空间外观模型 93
7.4.2 外观模型的优化求解策略 94
7.4.3 在线目标跟踪算法框架 95
7.5 试验结果分析与比较 97
7.5.1 实验结果定性分析 98
7.5.2 实验结果定量分析 101
7.5.3 适用性讨论 102
7.6 小结 102
第8章 基于多任务学习的目标跟踪算法 104
8.1 引言 104
8.2 多任务学习基本理论 106
8.2.1 多任务学习的典型分类 107
8.2.2 多任务学习的典型算法模型 108
8.3 稀疏原型外观模型理论 110
8.4 基于多任务稀疏原型的视频跟踪算法 111
8.4.1 多任务稀疏外观模型 111
8.4.2 基于APG方法的最优化求解策略 112
8.4.3 基于多任务稀疏原型的跟踪算法框架 114
8.5 试验结果分析与比较 115
8.5.1 实验结果定性分析 116
8.5.2 实验结果定量分析 121
8.5.3 适用范围 124
8.6 小结 124
参考文献 125