| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 图像分割研究现状 | 第9-12页 |
| 1.2.2 目标跟踪研究现状 | 第12-15页 |
| 1.3 本文主要研究内容与章节安排 | 第15-17页 |
| 第2章 Mean Shift算法原理及在图像分割和目标跟踪领域的应用 | 第17-29页 |
| 2.1 Mean Shift理论 | 第17-21页 |
| 2.1.1 无参数密度估计 | 第17-18页 |
| 2.1.2 核密度估计 | 第18-19页 |
| 2.1.3 Mean Shift基本形式及其扩展形式 | 第19-21页 |
| 2.2 Mean Shift算法在图像分割领域的应用 | 第21-23页 |
| 2.2.1 Mean Shift算法图像平滑 | 第21-23页 |
| 2.2.2 Mean Shift算法区域合并 | 第23页 |
| 2.3 Mean Shift算法在目标跟踪领域的应用 | 第23-27页 |
| 2.3.1 目标模型描述 | 第24页 |
| 2.3.2 目标候选模型描述 | 第24-25页 |
| 2.3.3 相似性度量 | 第25页 |
| 2.3.4 目标定位 | 第25-27页 |
| 2.3.5 算法实现流程 | 第27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于二次核函数的Mean Shift图像分割算法 | 第29-37页 |
| 3.1 不同形式的核函数 | 第29-31页 |
| 3.2 基于二次核函数的Mean Shift图像分割 | 第31-32页 |
| 3.3 实验结果分析 | 第32-35页 |
| 3.4 总结 | 第35-37页 |
| 第4章 结合LBP特征和权值图像矩特征的尺度方向自适应Mean Shift目标跟踪 | 第37-59页 |
| 4.1 权值图像矩特征用于目标尺度和方向估计 | 第38-40页 |
| 4.1.1 目标区域尺度估计 | 第38-39页 |
| 4.1.2 目标区域方向估计 | 第39-40页 |
| 4.2 结合LBP特征和权值图像矩特征的尺度方向自适应Mean Shift目标跟踪 | 第40-47页 |
| 4.2.1 局部二值纹理模式(LBP) | 第40-43页 |
| 4.2.2 联合颜色特征与LBP纹理特征的目标模型描述 | 第43-44页 |
| 4.2.3 结合LBP纹理特征的修正函数 | 第44-45页 |
| 4.2.4 使用修正函数对目标区域尺度和方向进行估计 | 第45-46页 |
| 4.2.5 算法实现流程 | 第46-47页 |
| 4.3 实验结果分析 | 第47-57页 |
| 4.3.1 低对比度视频序列的跟踪结果 | 第48-50页 |
| 4.3.2 光照变化视频序列的跟踪结果 | 第50-52页 |
| 4.3.3 背景杂波视频序列的跟踪结果 | 第52-55页 |
| 4.3.4 遮挡视频序列的跟踪结果 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 结合SURF特征和颜色特征的Mean Shift目标跟踪 | 第59-77页 |
| 5.1 尺度不变特征匹配算法 | 第60-67页 |
| 5.1.1 SIFT特征提取 | 第60-63页 |
| 5.1.2 SURF特征提取 | 第63-67页 |
| 5.2 结合SURF特征和颜色特征的Mean Shift目标跟踪 | 第67-68页 |
| 5.2.1 基于SURF-RGB特征的目标模型 | 第67页 |
| 5.2.2 算法实现流程 | 第67-68页 |
| 5.3 实验结果分析 | 第68-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-89页 |
| 发表论文及科研情况说明 | 第89-91页 |
| 致谢 | 第91-92页 |
