首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于张量子空间学习的视觉跟踪方法研究

摘要第1-7页
Abstract第7-12页
第一章 绪论第12-28页
   ·研究背景及意义第12-13页
   ·视觉跟踪研究的进展与现状第13-16页
     ·视觉跟踪问题分类第13-14页
     ·视觉跟踪算法第14-15页
     ·视觉跟踪算法的难点第15-16页
   ·研究内容及章节安排第16-17页
   ·本章小结第17页
 本章参考文献第17-28页
第二章 运动目标建模基础理论第28-36页
   ·引言第28页
   ·目标动态系统第28-31页
     ·贝叶斯理论第28-30页
     ·粒子滤波第30-31页
   ·目标的外观表达第31-33页
   ·跟踪框架的构建第33-34页
   ·本章小结第34页
 本章参考文献第34-36页
第三章 基于增量张量子空间的视觉跟踪第36-52页
   ·引言第36页
   ·张量分析第36-39页
     ·张量分析基本理论第36-38页
     ·张量子空间的构建第38-39页
   ·增量式的张量子空间学习第39-41页
   ·基于张量子空间增量学习的视觉跟踪算法第41-43页
     ·视觉跟踪框架第41-42页
     ·基于DPF 的野值点去除第42页
     ·基于张量子空间的视觉跟踪第42-43页
   ·实验结果及分析第43-49页
   ·本章小结第49-50页
 本章参考文献第50-52页
第四章 基于加权RETINEX 亮度增强的目标跟踪第52-70页
   ·引言第52页
   ·RETINEX 理论及其在图像增强中的应用第52-56页
     ·Retinex 理论第52-53页
     ·Retinex 的图像增强原理第53-56页
   ·基于RETINEX 的目标亮度补偿模型第56-58页
   ·基于加权的RETINEX 张量子空间的目标跟踪算法第58-60页
     ·加权张量子空间的更新算法第58-59页
     ·基于加权的Retinex 张量子空间的目标跟踪第59-60页
   ·实验结果与分析第60-65页
     ·实验结果第60-63页
     ·对比实验第63-65页
   ·本章小结第65-66页
 本章参考文献第66-70页
第五章 基于有偏判别的目标跟踪算法第70-94页
   ·引言第70-71页
   ·彩色视频中的目标描述第71-72页
     ·颜色空间理论第71页
     ·彩色空间中目标的张量描述第71-72页
   ·有偏判别式张量子空间的在线学习算法第72-78页
     ·有偏的判别张量子空间第72-75页
     ·有偏判别张量子空间的在线更新第75-78页
   ·基于有偏判别式张量子空间的目标跟踪算法第78-80页
   ·实验结果及分析第80-90页
   ·本章小结第90页
 本章参考文献第90-94页
第六章 基于成对约束判别的目标跟踪算法第94-110页
   ·引言第94页
   ·基于成对约束的跟踪建模第94-97页
     ·基于成对约束的目标模型第95-96页
     ·目标外观模型的数学描述第96-97页
   ·运动目标的描述第97-98页
     ·协方差描述子第97-98页
     ·目标的对数-黎曼子空间表达第98页
   ·基于判别式成对约束的目标跟踪算法第98-101页
     ·增量式成对约束判别子空间学习第98-100页
     ·基于增量式成对约束判别子空间的目标跟踪第100-101页
   ·实验结果与分析第101-107页
   ·本章小结第107页
 本章参考文献第107-110页
第七章 总结与展望第110-112页
   ·总结第110-111页
   ·展望第111-112页
致谢第112-114页
研究成果第114-116页

论文共116页,点击 下载论文
上一篇:主动表观模型的建模与匹配
下一篇:人脸画像—照片的合成与识别方法研究