基于矢量聚类与Kalman滤波的数字稳像技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 稳像技术的分类与应用 | 第9-11页 |
| 1.3 数字稳像技术的发展与研究现状 | 第11-12页 |
| 1.4 论文的主要工作及结构 | 第12-14页 |
| 1.4.1 论文的主要工作 | 第12-13页 |
| 1.4.2 论文的结构 | 第13-14页 |
| 2 数字稳像技术的关键理论 | 第14-27页 |
| 2.1 图像采集与摄像系统运动分析 | 第14-18页 |
| 2.1.1 图像采集基本模型 | 第14-15页 |
| 2.1.2 图像运动变换模型 | 第15-18页 |
| 2.2 运动估计 | 第18-22页 |
| 2.2.1 运动估计原理 | 第18页 |
| 2.2.2 运动估计的基本方法 | 第18-22页 |
| 2.3 运动滤波 | 第22-24页 |
| 2.3.1 运动滤波原理 | 第22-23页 |
| 2.3.2 运动滤波的基本方法 | 第23-24页 |
| 2.4 运动补偿 | 第24-25页 |
| 2.5 数字稳像技术评价准则 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 抗前景干扰的运动估计算法 | 第27-45页 |
| 3.1 视频图像的特征点提取 | 第27-31页 |
| 3.2 局部运动估计中存在的问题 | 第31-32页 |
| 3.3 图像特征点聚类与运动目标的盲分离 | 第32-40页 |
| 3.3.1 k-means聚类算法 | 第33-34页 |
| 3.3.2 改进的特征点运动矢量聚类 | 第34-37页 |
| 3.3.3 连续图像中运动目标的盲剔除 | 第37-40页 |
| 3.4 抖动视频中的干扰目标去除结果 | 第40-41页 |
| 3.5 全局运动估计 | 第41-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 自适应运动分离技术研究 | 第45-60页 |
| 4.1 运动估计量的频域分析 | 第45-46页 |
| 4.2 Kalman滤波算法 | 第46-49页 |
| 4.3 混合滤波器结构设计 | 第49-55页 |
| 4.3.1 低通滤波器设计 | 第50页 |
| 4.3.2 自适应Kalman滤波器 | 第50-53页 |
| 4.3.3 Kalman预测滤波器结构 | 第53-55页 |
| 4.4 实验结果与分析 | 第55-59页 |
| 4.4.1 运动矢量的滤波结果与误差 | 第55-58页 |
| 4.4.2 稳像输出对比分析 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |
