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

基于超像素和稀疏表示的目标跟踪研究

摘要第3-5页
ABSTRACT第5-6页
第一章 绪论第9-15页
    1.1 研究背景和意义第9-10页
    1.2 国内外研究现状第10-12页
    1.3 本文的主要工作第12-15页
        1.3.1 论文研究内容第12-13页
        1.3.2 论文结构安排第13-15页
第二章 理论基础第15-23页
    2.1 目标跟踪基本原理第15-16页
    2.2 目标跟踪方法分类第16-17页
    2.3 相关技术第17-21页
        2.3.1 稀疏表示第17-19页
        2.3.2 粒子滤波框架第19-20页
        2.3.3 贝叶斯框架第20-21页
    2.4 跟踪效果评价指标第21-22页
        2.4.1 定性实验指标第21页
        2.4.2 定量实验指标第21-22页
    2.5 本章小结第22-23页
第三章 基于超像素的稀疏表示目标跟踪第23-45页
    3.1 引言第23页
    3.2 基于超像素的稀疏表示目标跟踪第23-28页
        3.2.1 超像素分割第24页
        3.2.2 结构化稀疏表示第24-25页
        3.2.3 基于残差的目标检验第25-26页
        3.2.4 稀疏表示的图像融合第26-27页
        3.2.5 模板更新第27-28页
    3.3 实验结果与分析第28-43页
        3.3.1 定性实验第28-37页
        3.3.2 定量实验第37-41页
        3.3.3 鲁棒性实验第41-43页
    3.4 本章小结第43-45页
第四章 基于两级超像素分割的目标跟踪第45-61页
    4.1 引言第45-46页
    4.2 基于两级超像素分割的跟踪方法第46-52页
        4.2.1 双向滤波第46-47页
        4.2.2 基于粗粒度超像素的自适应表征模型第47-49页
        4.2.3 基于细粒度超像素的表征模型第49-51页
        4.2.4 基于反馈的模板更新第51-52页
    4.3 实验结果与分析第52-60页
        4.3.1 定性实验第52-56页
        4.3.2 定量实验第56-58页
        4.3.3 鲁棒性实验第58-60页
    4.4 本章小结第60-61页
第五章 总结和展望第61-63页
    5.1 总结第61-62页
    5.2 展望第62-63页
参考文献第63-69页
致谢第69-71页
攻读硕士学位期间的科研成果第71-74页

论文共74页,点击 下载论文
上一篇:鲁棒的半监督社区发现方法研究
下一篇:基于动态猫映射和Unix时间戳的图像加密算法研究