基于压缩感知的目标跟踪算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 目标跟踪算法的研究意义 | 第9页 |
| 1.2 目标跟踪算法的研究现状 | 第9-10页 |
| 1.3 目标跟踪算法的分类 | 第10-12页 |
| 1.4 目标跟踪算法的难题 | 第12页 |
| 1.5 论文的主要工作与内容安排 | 第12-14页 |
| 第2章 贝叶斯滤波理论 | 第14-23页 |
| 2.1 引言 | 第14页 |
| 2.2 运动目标的建模 | 第14页 |
| 2.3 贝叶斯滤波的递归方式 | 第14-15页 |
| 2.4 目标跟踪的动态系统 | 第15-17页 |
| 2.5 基于蒙特卡洛方法的贝叶斯滤波递归解 | 第17-22页 |
| 2.5.1 蒙特卡洛数值采样 | 第17页 |
| 2.5.2 重要性采样 | 第17-19页 |
| 2.5.3 序列重要性采样 | 第19-20页 |
| 2.5.4 粒子退化与重采样 | 第20-21页 |
| 2.5.5 选取重要性函数 | 第21页 |
| 2.5.6 重采样算法 | 第21-22页 |
| 2.5.7 粒子滤波算法 | 第22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 压缩感知基本理论 | 第23-28页 |
| 3.1 引言 | 第23页 |
| 3.2 压缩感知的基本原理 | 第23-24页 |
| 3.3 信号稀疏表示 | 第24-25页 |
| 3.4 构造观测矩阵 | 第25-26页 |
| 3.5 信号重构 | 第26页 |
| 3.6 压缩感知的相关应用 | 第26-27页 |
| 3.7 本章小结 | 第27-28页 |
| 第4章 基于尺度自适应的压缩跟踪算法 | 第28-46页 |
| 4.1 引言 | 第28页 |
| 4.2 图像的压缩特征表示 | 第28-30页 |
| 4.3 分类器构造及其更新 | 第30-31页 |
| 4.3.1 构造贝叶斯分类器 | 第30页 |
| 4.3.2 更新贝叶斯分类器 | 第30-31页 |
| 4.4 粒子滤波理论框架 | 第31-32页 |
| 4.5 尺度自适应 | 第32-33页 |
| 4.6 算法流程 | 第33页 |
| 4.7 实验结果与分析 | 第33-41页 |
| 4.7.1 实验参数设置 | 第33-34页 |
| 4.7.2 实验结果定性分析 | 第34-40页 |
| 4.7.3 实验结果定量分析 | 第40-41页 |
| 4.8 本章小结 | 第41-46页 |
| 第5章 基于特征选择加权分类器的压缩跟踪算法 | 第46-60页 |
| 5.1 引言 | 第46页 |
| 5.2 提取图像压缩特征 | 第46-47页 |
| 5.3 分类器构造及其更新 | 第47-48页 |
| 5.3.1 构造贝叶斯分类器 | 第47页 |
| 5.3.2 更新贝叶斯分类器 | 第47-48页 |
| 5.4 在线特征选择 | 第48页 |
| 5.5 区分度评判准则 | 第48-49页 |
| 5.6 生成加权分类器 | 第49-50页 |
| 5.7 算法流程 | 第50页 |
| 5.8 实验结果与分析 | 第50-54页 |
| 5.8.1 实验参数设置 | 第50页 |
| 5.8.2 实验结果定性分析 | 第50-52页 |
| 5.8.3 实验结果定量分析 | 第52-54页 |
| 5.9 本章小结 | 第54-60页 |
| 第6章 总结与展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间的研究成果 | 第67页 |
