| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 课题的研究背景 | 第12-14页 |
| 1.1.1 数字水印技术的研究背景 | 第12-13页 |
| 1.1.2 视频跟踪技术的研究背景 | 第13-14页 |
| 1.2 数字水印简介 | 第14-16页 |
| 1.2.1 数字水印的定义和特点 | 第14-15页 |
| 1.2.2 数字水印技术的发展 | 第15-16页 |
| 1.2.3 数字水印技术存在的主要问题 | 第16页 |
| 1.3 视频跟踪简介 | 第16-21页 |
| 1.3.1 视频跟踪技术的发展 | 第16-18页 |
| 1.3.2 视频跟踪方法概述 | 第18-20页 |
| 1.3.3 视频跟踪技术存在的重点和难点 | 第20-21页 |
| 1.4 主要研究内容和思路 | 第21-22页 |
| 1.5 本文的创新点 | 第22-24页 |
| 第2章 基于第二代小波变换的数字水印算法研究 | 第24-46页 |
| 2.1 数字水印技术概述 | 第24-30页 |
| 2.1.1 数字水印的概念 | 第24-25页 |
| 2.1.2 数字水印的分类 | 第25-26页 |
| 2.1.3 数字水印的框架模型 | 第26-27页 |
| 2.1.4 数字水印的系统评价 | 第27-29页 |
| 2.1.5 数字水印相关的算法 | 第29-30页 |
| 2.2 小波变换以及第二代小波变换 | 第30-37页 |
| 2.2.1 一维小波变换 | 第31-32页 |
| 2.2.2 正交小波变换的快速算法(Mallat算法) | 第32-33页 |
| 2.2.3 二维多分辨率分析与二维Mallat算法 | 第33-35页 |
| 2.2.4 第二代小波变换 | 第35-36页 |
| 2.2.5 小波变换用于图像处理的优势 | 第36-37页 |
| 2.3 算法建立 | 第37-41页 |
| 2.3.1 算法基本思路 | 第37-38页 |
| 2.3.2 小波变换流程 | 第38-39页 |
| 2.3.3 本文算法流程 | 第39-40页 |
| 2.3.4 算法性能检测 | 第40-41页 |
| 2.4 仿真实验 | 第41-45页 |
| 2.4.1 数字水印嵌入和提取 | 第41-42页 |
| 2.4.2 水印的抗攻击性 | 第42-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第3章 基于FLOATBOOST检测和指数平滑法运动估计的人脸快速跟踪算法研究 | 第46-66页 |
| 3.1 算法基础 | 第46-48页 |
| 3.1.1 人脸检测算法基础 | 第46-48页 |
| 3.1.2 运动估计算法基础 | 第48页 |
| 3.2 算法建立 | 第48-61页 |
| 3.2.1 人脸检测算法 | 第49-57页 |
| 3.2.2 人脸跟踪算法提出 | 第57-59页 |
| 3.2.3 新的人脸快速跟踪算法 | 第59-60页 |
| 3.2.4 算法流程图 | 第60-61页 |
| 3.3 仿真实验 | 第61-65页 |
| 3.3.1 人脸检测实验 | 第61-63页 |
| 3.3.2 跟踪实验 | 第63-64页 |
| 3.3.3 实时性实验 | 第64-65页 |
| 3.4 本章小结 | 第65-66页 |
| 第4章 基于CHEBYSHEV距离和假设检验的目标跟踪算法研究 | 第66-86页 |
| 4.1 算法基础 | 第67-68页 |
| 4.1.1 Chebyshev距离 | 第67-68页 |
| 4.1.2 假设检验 | 第68页 |
| 4.2 算法建立 | 第68-79页 |
| 4.2.1 Chebyshev距离相似度度量体系的提出 | 第68-70页 |
| 4.2.2 Chebyshev距离相似度度量体系的建立 | 第70-71页 |
| 4.2.3 Chebyshev距离相似度度量体系的说明 | 第71-74页 |
| 4.2.4 跟踪算法设计 | 第74-77页 |
| 4.2.5 算法流程图 | 第77-79页 |
| 4.3 实验结果 | 第79-85页 |
| 4.3.1 运动模式已知 | 第79-84页 |
| 4.3.2 运动模式未知 | 第84-85页 |
| 4.4 本章小结 | 第85-86页 |
| 第5章 基于SVM检测和相似离度匹配的人脸跟踪算法研究 | 第86-106页 |
| 5.1 算法基础 | 第87-89页 |
| 5.1.1 相似离度概念的来源 | 第87页 |
| 5.1.2 相似离度的计算方法 | 第87-89页 |
| 5.1.3 支持向量机 | 第89页 |
| 5.2 算法建立 | 第89-100页 |
| 5.2.1 相似离度匹配思想的提出 | 第89-91页 |
| 5.2.2 相似离度计算模型建立 | 第91-94页 |
| 5.2.3 基于SVM的人脸检测 | 第94-96页 |
| 5.2.4 人脸跟踪算法设计 | 第96-100页 |
| 5.3 仿真实验 | 第100-104页 |
| 5.3.1 模拟图像灰度值数据的相似离度匹配实验 | 第100-102页 |
| 5.3.2 人脸跟踪实验 | 第102-104页 |
| 5.4 本章小结 | 第104-106页 |
| 第6章 基于HARRIS角点检测和KNN约束的目标物体跟踪算法研究 | 第106-120页 |
| 6.1 算法基础 | 第107-109页 |
| 6.1.1 角点检测算法 | 第107-108页 |
| 6.1.2 KNN算法 | 第108-109页 |
| 6.2 算法建立 | 第109-116页 |
| 6.2.1 harris角点检测 | 第110-111页 |
| 6.2.2 KNN去除冗余角点算法 | 第111-114页 |
| 6.2.3 算法流程 | 第114-116页 |
| 6.3 仿真实验 | 第116-119页 |
| 6.3.1 角点检测实验 | 第116-117页 |
| 6.3.2 跟踪实验 | 第117-119页 |
| 6.4 本章小结 | 第119-120页 |
| 第7章 结论与展望 | 第120-122页 |
| 7.1 结论 | 第120-121页 |
| 7.2 展望 | 第121-122页 |
| 参考文献 | 第122-130页 |
| 致谢 | 第130-131页 |
| 读博期间发表的论文 | 第131页 |
