基于稀疏表示的图像压缩与视频目标跟踪的研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第11-18页 |
| 1.1 引言 | 第11页 |
| 1.2 研究背景与意义 | 第11-14页 |
| 1.3 国内外研究现状 | 第14-17页 |
| 1.3.1 图像压缩的研究现状 | 第15页 |
| 1.3.2 目标跟踪的研究现状 | 第15-17页 |
| 1.4 本文主要内容以及结构安排 | 第17-18页 |
| 2 基本理论介绍 | 第18-35页 |
| 2.1 稀疏表示理论 | 第18-22页 |
| 2.1.1 基追踪算法 | 第20-21页 |
| 2.1.2 匹配追踪算法 | 第21页 |
| 2.1.3 正交匹配追踪算法 | 第21-22页 |
| 2.2 字典与字典学习方法 | 第22-24页 |
| 2.2.1 最优方向算法 | 第23页 |
| 2.2.2 K-奇异值算法 | 第23-24页 |
| 2.2.3 两种字典学习方法对比 | 第24页 |
| 2.3 图像压缩 | 第24-29页 |
| 2.3.1 图像编码 | 第24-25页 |
| 2.3.2 JPEG标准 | 第25-26页 |
| 2.3.3 JPEG-2000标准 | 第26-27页 |
| 2.3.4 图像压缩质量评价 | 第27-28页 |
| 2.3.5 图像压缩标准压缩效果 | 第28-29页 |
| 2.4 视频目标跟踪 | 第29-33页 |
| 2.4.1 均值漂移跟踪算法 | 第29-31页 |
| 2.4.2 粒子滤波跟踪算法 | 第31-32页 |
| 2.4.3 跟踪算法效果 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 3 分类冗余字典表示下的图像压缩 | 第35-49页 |
| 3.1 图像压缩中的稀疏表示 | 第36-37页 |
| 3.1.1 基于稀疏表示的图像压缩原理 | 第36页 |
| 3.1.2 分类冗余字典的稀疏表示 | 第36-37页 |
| 3.1.3 噪声环境下的稀疏表示 | 第37页 |
| 3.2 分类冗余字典训练 | 第37-40页 |
| 3.2.1 样本分类方法 | 第37-38页 |
| 3.2.2 分类K-SVD冗余字典训练 | 第38-40页 |
| 3.3 图像在分类字典下的稀疏表示 | 第40-43页 |
| 3.3.1 OMP算法表示平滑系数 | 第40-41页 |
| 3.3.2 改进的OMP算法表示细节系数 | 第41-43页 |
| 3.3.3 编码 | 第43页 |
| 3.4 实验 | 第43-48页 |
| 3.4.1 实验一 | 第43-46页 |
| 3.4.2 实验二 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 基于L1跟踪算法的改进算法 | 第49-66页 |
| 4.1 目标跟踪中的稀疏表示 | 第50-51页 |
| 4.2 L1跟踪算法 | 第51-53页 |
| 4.2.1 仿射变换 | 第51页 |
| 4.2.2 粒子滤波框架 | 第51-52页 |
| 4.2.3 琐碎模板 | 第52-53页 |
| 4.3 改进的L1跟踪算法 | 第53-58页 |
| 4.3.1 目标样本与背景样本 | 第55-56页 |
| 4.3.2 目标与背景字典学习 | 第56-57页 |
| 4.3.3 候选目标的稀疏表示 | 第57-58页 |
| 4.4 实验 | 第58-63页 |
| 4.4.1 实验一 | 第59-60页 |
| 4.4.2 实验二 | 第60-63页 |
| 4.5 本章小结 | 第63-66页 |
| 5 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 作者简介 | 第74-76页 |
| 学位论文数据集 | 第76页 |
