| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 复杂条件下移动目标追踪主要问题 | 第16-17页 |
| 1.4 本文组织结构 | 第17-20页 |
| 第二章 雨天环境下移动目标检测算法 | 第20-31页 |
| 2.1 引言 | 第20页 |
| 2.2 背景差分法 | 第20-23页 |
| 2.2.1 背景差分法原理 | 第20-21页 |
| 2.2.2 背景模型更新 | 第21-23页 |
| 2.3 混合高斯模型 | 第23-25页 |
| 2.3.1 混合高斯模型原理 | 第23-25页 |
| 2.3.2 混合高斯算法流程图 | 第25页 |
| 2.4 改进的移动目标检测算法 | 第25-30页 |
| 2.4.1 雨滴检测算法 | 第26-28页 |
| 2.4.2 融合雨滴检测的混合高斯模型 | 第28页 |
| 2.4.3 算法流程 | 第28-30页 |
| 2.5 仿真分析 | 第30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 遮挡条件下改进的MeanShift移动目标追踪算法 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 经典MeanShift算法 | 第31-34页 |
| 3.2.1 算法原理 | 第31-34页 |
| 3.2.2 算法实现步骤 | 第34页 |
| 3.3 改进的MeanShift算法 | 第34-43页 |
| 3.3.1 分区域的目标窗口颜色直方图 | 第35-36页 |
| 3.3.2 自适应变化的目标窗口 | 第36-38页 |
| 3.3.3 融合卡尔曼预测与均值漂移目标追踪算法 | 第38-41页 |
| 3.3.4 算法流程 | 第41-43页 |
| 3.4 仿真分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 复杂条件下改进的粒子滤波移动目标追踪算法 | 第45-63页 |
| 4.1 引言 | 第45-46页 |
| 4.2 贝叶斯滤波理论 | 第46-49页 |
| 4.2.1 状态空间模型 | 第46-47页 |
| 4.2.2 贝叶斯滤波 | 第47-49页 |
| 4.3 经典粒子滤波算法 | 第49-56页 |
| 4.3.1 序贯重要性采样 | 第50-52页 |
| 4.3.2 重采样 | 第52-54页 |
| 4.3.3 基本粒子滤波算法 | 第54-56页 |
| 4.4 改进的粒子滤波算法设计 | 第56-61页 |
| 4.4.1 粒子数目与重分布 | 第57-58页 |
| 4.4.2 目标模板更新 | 第58-59页 |
| 4.4.3 算法流程 | 第59-61页 |
| 4.5 仿真分析 | 第61页 |
| 4.6 本章小结 | 第61-63页 |
| 第五章 基于均值聚类的粒子滤波目标追踪算法 | 第63-71页 |
| 5.1 引言 | 第63-64页 |
| 5.2 基于均值漂移的粒子滤波算法 | 第64-67页 |
| 5.2.1 均值偏移算法的聚类作用 | 第64-65页 |
| 5.2.2 算法原理 | 第65-67页 |
| 5.3 算法设计 | 第67-70页 |
| 5.3.1 算法步骤 | 第67-68页 |
| 5.3.2 算法流程图 | 第68-70页 |
| 5.4 仿真分析 | 第70页 |
| 5.5 本章小结 | 第70-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间发表的论文 | 第77-78页 |
| 攻读学位期间参加的课题 | 第78-80页 |
| 致谢 | 第80页 |