| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-12页 |
| 第一章 绪论 | 第12-23页 |
| ·研究背景 | 第12-14页 |
| ·图像跟踪问题 | 第12-13页 |
| ·不确定参数系统 | 第13-14页 |
| ·图像跟踪技术 | 第14-18页 |
| ·贝叶斯滤波 | 第18-21页 |
| ·研究内容与创新点 | 第21-22页 |
| ·章节安排 | 第22-23页 |
| 第二章 理论知识 | 第23-34页 |
| ·粒子滤波 | 第23-26页 |
| ·状态空间模型 | 第23-24页 |
| ·重要性采样 | 第24-25页 |
| ·重要性重采样 | 第25-26页 |
| ·粒子滤波算法 | 第26页 |
| ·EM 算法 | 第26-27页 |
| ·最近邻查找（BBF） | 第27-29页 |
| ·k-d 树 | 第27-28页 |
| ·近似最近邻查找（BBF） | 第28-29页 |
| ·直方图匹配 | 第29-30页 |
| ·直方图 | 第29页 |
| ·直方图匹配 | 第29-30页 |
| ·仿真实验 | 第30-33页 |
| ·粒子滤波仿真 | 第30-31页 |
| ·简单粒子滤波图像跟踪 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于粒子滤波的非线性系统参数估计方法 | 第34-44页 |
| ·引言 | 第34-35页 |
| ·基于粒子滤波的参数估计方法 | 第35-37页 |
| ·粒子滤波方法 | 第35页 |
| ·核转移方法 | 第35-36页 |
| ·Storvik 方法 | 第36页 |
| ·ML（最大似然）方法 | 第36页 |
| ·EM 方法 | 第36-37页 |
| ·似然权值在线 EM 参数估计 | 第37-38页 |
| ·仿真实验 | 第38-43页 |
| ·随机速度模型参数估计 | 第38-40页 |
| ·动态运动模型图像跟踪 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于 SIFT 的混合观测模型粒子滤波图像跟踪 | 第44-59页 |
| ·引言 | 第44-46页 |
| ·SIFT 特征提取 | 第46-50页 |
| ·尺度空间的极值探测 | 第46-47页 |
| ·关键点定位 | 第47-48页 |
| ·方向定位 | 第48-49页 |
| ·关键点描述子 | 第49-50页 |
| ·SIFT 特征匹配 | 第50-53页 |
| ·关键点（特征点）匹配 | 第50-51页 |
| ·Hough 转换的投票聚类 | 第51-52页 |
| ·线性最小平方验证 | 第52页 |
| ·异常点探测 | 第52-53页 |
| ·基于 SIFT 的混合观测模型图像跟踪 | 第53-56页 |
| ·运动模型 | 第53页 |
| ·似然模型 | 第53-55页 |
| ·算法描述 | 第55-56页 |
| ·实验结果 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·本文工作 | 第59页 |
| ·下一步工作 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |