| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题背景及意义 | 第10-12页 |
| 1.1.1 运动图像序列目标追踪的背景 | 第10页 |
| 1.1.2 运动图像序列目标追踪的意义 | 第10-11页 |
| 1.1.3 运动图像序列目标追踪分类 | 第11-12页 |
| 1.2 运动图像序列目标追踪的研究现状 | 第12-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文的主要内容及结构 | 第16-18页 |
| 第二章 静态和动态背景下运动目标检测与追踪方法 | 第18-36页 |
| 2.1 静态背景下运动目标追踪 | 第18-24页 |
| 2.1.1 背景提取 | 第19-20页 |
| 2.1.2 运动目标提取 | 第20-23页 |
| 2.1.3 静态背景下运动目标追踪 | 第23-24页 |
| 2.2 动态背景下运动目标检测 | 第24-30页 |
| 2.2.1 动态背景下运动目标检测 | 第24-25页 |
| 2.2.2 Harris特征点 | 第25-27页 |
| 2.2.3 动态背景下运动目标检测流程 | 第27-28页 |
| 2.2.4 动态背景下运动目标检测效果评价 | 第28-30页 |
| 2.3 Meanshift追踪算法 | 第30-35页 |
| 2.3.1 颜色特征 | 第30-31页 |
| 2.3.2 直方图 | 第31-32页 |
| 2.3.3 Meanshift算法原理 | 第32页 |
| 2.3.4 Meashift算法步骤 | 第32-33页 |
| 2.3.5 Meanshift算法实现目标追踪的流程 | 第33-34页 |
| 2.3.6 算法实现及分析 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 低对比度下运动图像序列增强算法研究 | 第36-46页 |
| 3.1 引言 | 第36-37页 |
| 3.2 低对比度下运动图像序列增强算法的提出 | 第37-40页 |
| 3.2.1 低对比度图像亮度分类 | 第37页 |
| 3.2.2 低亮度低对比度下改进的对数图像处理(ILIP)方法 | 第37-38页 |
| 3.2.3 改进的高亮度下幂函数非线性变换处理方法(HNTM) | 第38-39页 |
| 3.2.4 帧间差法局部调整运动区域亮度补偿 | 第39-40页 |
| 3.3 图像亮度增强效果评价指标 | 第40页 |
| 3.4 实验结果及分析 | 第40-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于局部优先的TLD追踪算法研究 | 第46-53页 |
| 4.1 TLD目标追踪算法 | 第46-48页 |
| 4.2 目标模型及PN学习 | 第48-49页 |
| 4.2.1 目标模型 | 第48页 |
| 4.2.2 Positive&Negative Contraint学习 | 第48-49页 |
| 4.3 基于局部优先的TLD算法 | 第49-50页 |
| 4.4 实验结果 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于背景优化和自适应窗口的Meanshift目标追踪 | 第53-62页 |
| 5.1 基于背景优化的Meanshift目标追踪算法的提出 | 第53-57页 |
| 5.1.1 基于背景优化的Meanshift目标追踪算法的思想 | 第53-54页 |
| 5.1.2 基于背景优化的Meanshift目标追踪算法流程 | 第54-55页 |
| 5.1.3 实验结果 | 第55-57页 |
| 5.2 基于自适应窗口的Meanshift目标追踪算法的提出 | 第57-60页 |
| 5.2.1 基于自适应窗口的Meanshift目标追踪算法思想 | 第57-58页 |
| 5.2.2 基于自适应窗口的Meanshift目标追踪算法流程 | 第58-59页 |
| 5.2.3 实验结果 | 第59-60页 |
| 5.3 本章小结 | 第60-62页 |
| 第六章 运动图像序列目标追踪工具开发 | 第62-68页 |
| 6.1 开发环境 | 第62页 |
| 6.2 系统设计 | 第62-64页 |
| 6.3 系统实现 | 第64-67页 |
| 6.4 系统测试 | 第67页 |
| 6.5 本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 7.1 总结 | 第68-69页 |
| 7.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间研究成果 | 第75页 |
