| 摘要 | 第2-4页 |
| Abstract | 第4-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.1.2 课题研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 主要研究内容与技术路线 | 第16-18页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 研究技术路线 | 第17-18页 |
| 1.4 课题来源 | 第18页 |
| 1.5 本文章节安排 | 第18-19页 |
| 第二章 多算法融合的自适应图像增强算法研究 | 第19-33页 |
| 2.1 多算法融合的图像增强方法 | 第19-26页 |
| 2.1.1 扩展离散型Laplacian增强算法 | 第20-21页 |
| 2.1.2 离散型Sobel增强算法 | 第21-22页 |
| 2.1.3 扩展盒状滤波器平滑算法 | 第22页 |
| 2.1.4 非锐化掩蔽增强及灰度拉伸算法算法 | 第22-26页 |
| 2.2 实验结果及分析 | 第26-32页 |
| 2.2.1 四种算法运行速度对比分析 | 第27页 |
| 2.2.2 四种算法局部熵值对比分析 | 第27-28页 |
| 2.2.3 增强图像结果分析 | 第28-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 改进SURF算法的移动目标实时图像配准方法研究 | 第33-46页 |
| 3.1 改进SURF图像配准算法 | 第33-38页 |
| 3.1.1 改进特征点提取方法 | 第33-34页 |
| 3.1.2 改进特征点检测方法 | 第34-36页 |
| 3.1.3 基于肯德尔系数约束的配准方法 | 第36-37页 |
| 3.1.4 基于颜色不变量的彩色图像配准方法 | 第37-38页 |
| 3.2 移动图像实时配准算法 | 第38-39页 |
| 3.3 实验结果与分析 | 第39-45页 |
| 3.3.1 鲁棒性特征周边检测区域分析 | 第39-40页 |
| 3.3.2 Gaussian-Hermite矩修正结果及新定义特征向量分析 | 第40-41页 |
| 3.3.2.1 Gaussian-Hermite矩修正结果分析 | 第41页 |
| 3.3.2.2 新定义特征向量分析 | 第41页 |
| 3.3.3 改进SURF图像特征点主方向仿真分析 | 第41-42页 |
| 3.3.4 静态图像配准实验分析 | 第42-43页 |
| 3.3.5 移动图像的实验分析 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 多方法融合的粒子滤波算法的神经丝自动跟踪 | 第46-56页 |
| 4.1 粒子滤波算法 | 第46-47页 |
| 4.2 改进粒子滤波跟踪策略 | 第47-51页 |
| 4.2.1 改进重采样方法 | 第47-48页 |
| 4.2.2 改进重采样方法 | 第48-51页 |
| 4.2.2.1 后验概率估计目标跟踪策略 | 第48-49页 |
| 4.2.2.2 似然函数目标跟踪策略 | 第49-51页 |
| 4.3 实验结果分析 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 全文工作总结5 | 第56-57页 |
| 5.2 下一步工作安排5 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |
