| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·选题背景和研究意义 | 第10-11页 |
| ·研究现状和所存在的问题 | 第11-14页 |
| ·静止背景中目标检测和跟踪 | 第12页 |
| ·运动背景中目标跟踪 | 第12-14页 |
| ·本文的主要工作和研究成果 | 第14-16页 |
| ·本文的结构安排 | 第16-18页 |
| 第二章 静止背景中运动目标检测与跟踪 | 第18-32页 |
| ·引言 | 第18-19页 |
| ·运动目标检测 | 第19-29页 |
| ·瞬时差分法 | 第20-21页 |
| ·自适应背景相减法 | 第21-26页 |
| ·自适应背景估计法 | 第26-29页 |
| ·关联 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 Mean Shift，信任域方法和粒子滤波器 | 第32-48页 |
| ·基础Mean Shift过程 | 第32-35页 |
| ·带宽矩阵Mean Shift过程 | 第35-38页 |
| ·经典信任域方法 | 第38-39页 |
| ·QP_TR信任域算法 | 第39页 |
| ·优化算法性能比较 | 第39-42页 |
| ·粒子滤波器 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 图像稳定 | 第48-75页 |
| ·运动模型 | 第49-50页 |
| ·基于特征点配对的稳定方法 | 第50-70页 |
| ·特征点检测 | 第50-54页 |
| ·基于小波的特征点检测方法 | 第54-62页 |
| ·一种适于图像稳定的检测算法 | 第62-63页 |
| ·特征点配对 | 第63页 |
| ·图像的高斯金字塔表示 | 第63-66页 |
| ·基于金字塔结构的特征点匹配 | 第66-68页 |
| ·模型参数估计 | 第68-70页 |
| ·基于信任域的稳定方法 | 第70-72页 |
| ·实验结果 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 目标多自由度Mean Shift跟踪算法 | 第75-96页 |
| ·长宽比自适应Mean Shift跟踪算法 | 第75-81页 |
| ·特征提取 | 第75-77页 |
| ·跟踪算法 | 第77-78页 |
| ·跟踪实例 | 第78-80页 |
| ·进一步的改进 | 第80-81页 |
| ·引入目标倾角 | 第81-88页 |
| ·特征提取 | 第81-83页 |
| ·跟踪算法 | 第83页 |
| ·跟踪实例 | 第83-88页 |
| ·短时遮挡问题 | 第88-95页 |
| ·三步搜索策略 | 第88-91页 |
| ·粒子滤波器运动状态估计 | 第91-95页 |
| ·本章小结 | 第95-96页 |
| 第六章 信任域尺度空间跟踪算法 | 第96-118页 |
| ·目标概率分布图 | 第96-97页 |
| ·Lindeberg尺度空间理论 | 第97-104页 |
| ·Lindeberg尺度空间理论 | 第98-102页 |
| ·尺度空间的离散实现 | 第102-104页 |
| ·尺度空间跟踪算法 | 第104-111页 |
| ·目标大小与尺度参数间的函数关系 | 第105-106页 |
| ·灰度块倾角与多尺度表示规范化海森矩阵的迹的关系 | 第106页 |
| ·完整的跟踪算法 | 第106-107页 |
| ·跟踪示例 | 第107-111页 |
| ·颜色特征的自动选择 | 第111-117页 |
| ·颜色特征选择的自动算法 | 第112-115页 |
| ·加入特征自动选择策略的尺度空间算法 | 第115-116页 |
| ·跟踪示例 | 第116-117页 |
| ·本章小结 | 第117-118页 |
| 第七章 低信噪比运动背景序列图像目标跟踪 | 第118-123页 |
| ·基于QP_TR的模板匹配 | 第118-119页 |
| ·状态估计 | 第119-120页 |
| ·模板更新 | 第120页 |
| ·完整跟踪算法 | 第120-121页 |
| ·跟踪实例 | 第121-122页 |
| ·本章小结 | 第122-123页 |
| 第八章 总结与展望 | 第123-126页 |
| ·本文的主要工作及成果 | 第123-125页 |
| ·本文的不足及将来的研究方向 | 第125-126页 |
| 参考文献 | 第126-134页 |
| 攻读博士学位期间所做科研工作及发表的论文 | 第134-135页 |
| 致谢 | 第135-136页 |