基于字典学习的运动目标检测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-15页 |
| ·字典学习研究进展 | 第9-11页 |
| ·运动目标检测研究进展 | 第11-15页 |
| ·本文组织结构及简介 | 第15-17页 |
| 第二章 稀疏表示与字典学习理论 | 第17-29页 |
| ·稀疏表示理论 | 第17-20页 |
| ·稀疏表示的基础 | 第17-19页 |
| ·最优化问题及范数最优解 | 第19-20页 |
| ·稀疏分解算法 | 第20-24页 |
| ·匹配追踪算法 | 第20-21页 |
| ·正交匹配追踪算法 | 第21-22页 |
| ·基追踪算法 | 第22-23页 |
| ·Focuss 算法 | 第23-24页 |
| ·字典学习理论基础 | 第24-28页 |
| ·字典的相关特性 | 第24-26页 |
| ·相干性 | 第24页 |
| ·累积相干性 | 第24-25页 |
| ·Spark | 第25-26页 |
| ·字典的构造 | 第26-28页 |
| ·基于数学建模的方法 | 第26-27页 |
| ·基于学习的方法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 改进的基于字典学习的运动目标检测算法 | 第29-42页 |
| ·引言 | 第29页 |
| ·图像应用的稀疏模型与 K-SVD 字典学习算法 | 第29-33页 |
| ·图像的稀疏去噪模型 | 第30页 |
| ·图像的去模糊模型 | 第30-31页 |
| ·图像的压缩感知模型 | 第31页 |
| ·图像的压缩模型 | 第31-32页 |
| ·K-SVD 字典学习 | 第32-33页 |
| ·基于字典学习的运动目标检测算法 | 第33-37页 |
| ·视频序列预处理 | 第33页 |
| ·视频序列的稀疏表示 | 第33-35页 |
| ·改进的字典学习算法 | 第35-36页 |
| ·图像分割 | 第36-37页 |
| ·整体算法流程 | 第37-38页 |
| ·实验结果和分析 | 第38-41页 |
| ·无背景变化的运动目标检测 | 第38-39页 |
| ·局部背景发生变化的运动目标检测 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于主成分追踪与字典学习的运动目标检测 | 第42-56页 |
| ·引言 | 第42页 |
| ·预备定理 | 第42-47页 |
| ·奇异值分解 | 第42-43页 |
| ·主成分分析法 | 第43-45页 |
| ·主成分追踪 | 第45-47页 |
| ·高斯白噪声特征 | 第47页 |
| ·基于主成分追踪的运动目标检测 | 第47-50页 |
| ·图像的稀疏表示 | 第47页 |
| ·背景建模 | 第47-49页 |
| ·背景的更新 | 第49-50页 |
| ·分割算法 | 第50页 |
| ·整体算法流程图 | 第50-51页 |
| ·实验结果和分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·主要工作回顾 | 第56页 |
| ·本课题今后需进一步研究的地方 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 个人简历 在读期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
