| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 基于Mean Shift的运动目标跟踪方法 | 第12页 |
| 1.2.2 基于直方图的跟踪算法 | 第12-13页 |
| 1.2.3 基于小波的跟踪算法 | 第13-14页 |
| 1.2.4 基于曲波的跟踪算法 | 第14页 |
| 1.3 论文的结构安排 | 第14-16页 |
| 第2章 运动目标提取 | 第16-32页 |
| 2.1 图像处理相关基础知识 | 第16-22页 |
| 2.1.1 图像灰度化处理 | 第16-17页 |
| 2.1.2 图像平滑滤波 | 第17-22页 |
| 2.1.3 图像分割 | 第22页 |
| 2.2 运动目标提取 | 第22-30页 |
| 2.2.1 帧间差分 | 第24-25页 |
| 2.2.2 形态学处理 | 第25-26页 |
| 2.2.3 边缘检测 | 第26-29页 |
| 2.2.4 算法仿真 | 第29-30页 |
| 2.3 本章小结 | 第30-32页 |
| 第3章 基于Curvelet变换的运动目标跟踪方法 | 第32-52页 |
| 3.1 快速傅里叶变换 | 第32-33页 |
| 3.2 小波变换 | 第33-34页 |
| 3.2.1 连续小波变换 | 第33-34页 |
| 3.2.2 离散小波变换 | 第34页 |
| 3.3 第一代Curvelet变换 | 第34-40页 |
| 3.3.1 Randon变换 | 第35-36页 |
| 3.3.2 Ridgelet变换 | 第36-38页 |
| 3.3.3 第一代Curvelet变换的基本理论 | 第38-39页 |
| 3.3.4 第一代Curvelet变换的实现 | 第39-40页 |
| 3.4 第二代Curvelet变换 | 第40-46页 |
| 3.4.1 连续Curvelet变换 | 第40-41页 |
| 3.4.2 离散Curvelet变换 | 第41-42页 |
| 3.4.3 第二代Curvelet变换的实现 | 第42-43页 |
| 3.4.4 第二代Curvelet变换的系数分析 | 第43-46页 |
| 3.5 基于Curvelet变换的运动目标跟踪算法 | 第46-51页 |
| 3.5.1 特征向量的建立 | 第47-48页 |
| 3.5.2 度量相似性函数 | 第48页 |
| 3.5.3 搜索策略 | 第48-49页 |
| 3.5.4 实验结果分析 | 第49-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 结合Curvelet变换的粒子滤波视频跟踪算法 | 第52-73页 |
| 4.1 粒子滤波器 | 第52-57页 |
| 4.1.1 最优贝叶斯估计 | 第52-54页 |
| 4.1.2 蒙特卡洛模拟 | 第54页 |
| 4.1.3 重要性采样 | 第54-55页 |
| 4.1.4 序贯重要性采样 | 第55-56页 |
| 4.1.5 粒子退化现象 | 第56页 |
| 4.1.6 粒子滤波基本原理 | 第56-57页 |
| 4.2 基于颜色特征的粒子滤波跟踪算法 | 第57-61页 |
| 4.2.1 系统状态模型的建立 | 第58页 |
| 4.2.2 目标观测模型的建立 | 第58-59页 |
| 4.2.3 相似性测量 | 第59-60页 |
| 4.2.4 算法基本流程 | 第60-61页 |
| 4.3 结合Curvelet变换的粒子滤波视频跟踪算法 | 第61-63页 |
| 4.3.1 粒子权值的计算 | 第61-62页 |
| 4.3.2 算法基本流程 | 第62-63页 |
| 4.4 实验结果分析 | 第63-72页 |
| 4.4.1 目标行人的运动情况 | 第63-66页 |
| 4.4.2 目标车辆的运动情况 | 第66-69页 |
| 4.4.3 目标受遮挡的情况 | 第69-72页 |
| 4.5 本章小结 | 第72-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第80-81页 |
| 致谢 | 第81页 |
