| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 车辆跟踪的主要难点 | 第13-14页 |
| 1.4 论文研究内容及安排 | 第14-15页 |
| 第二章 视频图像处理相关技术 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 视频图像中目标特征类型 | 第15-16页 |
| 2.3 视频图像颜色空间模型 | 第16-18页 |
| 2.3.1 RGB颜色空间模型 | 第16页 |
| 2.3.2 HSV颜色空间模型 | 第16-17页 |
| 2.3.3 RGB颜色空间与HSV颜色空间转换 | 第17-18页 |
| 2.4 图像边缘检测方法 | 第18-21页 |
| 2.4.1 Prewitt边缘检测算子 | 第18-19页 |
| 2.4.2 Sobel边缘检测算子 | 第19页 |
| 2.4.3 Laplacian边缘检测算子 | 第19-20页 |
| 2.4.4 LOG边缘检测算子 | 第20页 |
| 2.4.5 视频图像边缘检测实验结果 | 第20-21页 |
| 2.5 图像去噪方法 | 第21-23页 |
| 2.5.1 中值滤波 | 第21页 |
| 2.5.2 均值滤波 | 第21-22页 |
| 2.5.3 双边滤波 | 第22页 |
| 2.5.4 高斯滤波 | 第22-23页 |
| 2.5.5 视频图像中去噪方法实验结果 | 第23页 |
| 2.6 本章小结 | 第23-25页 |
| 第三章 视频目标跟踪算法 | 第25-43页 |
| 3.1 引言 | 第25页 |
| 3.2 粒子滤波算法 | 第25-33页 |
| 3.2.1 粒子滤波理论 | 第25-29页 |
| 3.2.2 基于颜色特征的粒子滤波目标跟踪算法 | 第29-30页 |
| 3.2.3 不同粒子数目下车辆目标跟踪的实验结果及分析 | 第30-33页 |
| 3.3 均值偏移算法 | 第33-38页 |
| 3.3.1 均值偏移理论 | 第33-35页 |
| 3.3.2 基于均值偏移的目标跟踪算法 | 第35-37页 |
| 3.3.3 实验结果与分析 | 第37-38页 |
| 3.4 CamShift算法 | 第38-41页 |
| 3.4.1 CamShift算法理论 | 第38页 |
| 3.4.2 基于Camshift的目标跟踪算法 | 第38-40页 |
| 3.4.3 实验结果与分析 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于中值滤波和多特征融合的粒子滤波车辆跟踪算法研究 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 视频图像预处理 | 第43页 |
| 4.3 目标模型建立 | 第43-46页 |
| 4.3.1 状态转移模型 | 第43-44页 |
| 4.3.2 系统观测模型 | 第44-46页 |
| 4.3.3 相似性度量 | 第46页 |
| 4.4 基于中值滤波和多特征融合的粒子滤波算法 | 第46-48页 |
| 4.4.1 建立多特征融合的观测似然模型 | 第46-47页 |
| 4.4.2 基于中值滤波和多特征融合的粒子滤波跟踪算法步骤 | 第47-48页 |
| 4.5 实验结果及分析 | 第48-53页 |
| 4.5.1 定性分析 | 第48-50页 |
| 4.5.2 定量分析 | 第50-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第五章 融合均值偏移聚类和粒子滤波的车辆跟踪算法 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 算法原理 | 第55-57页 |
| 5.2.1 均值偏移聚类 | 第55-56页 |
| 5.2.2 粒子滤波算法的优化 | 第56页 |
| 5.2.3 判决机制 | 第56-57页 |
| 5.3 算法具体实现步骤 | 第57-59页 |
| 5.3.1 算法描述 | 第57-58页 |
| 5.3.2 算法流程 | 第58-59页 |
| 5.4 实验结果及分析 | 第59-64页 |
| 5.4.1 定性分析 | 第59-62页 |
| 5.4.2 定量分析 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 已发表论文 | 第73-75页 |
| 致谢 | 第75页 |
