| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 引言 | 第8页 |
| 1.2 课题研究的背景与意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-10页 |
| 1.4 难点与趋势 | 第10页 |
| 1.5 效果评价指标 | 第10-11页 |
| 1.6 内容与结构安排 | 第11-12页 |
| 第2章 图像处理基础 | 第12-20页 |
| 2.1 图像预处理 | 第12-15页 |
| 2.2 形态学后处理 | 第15-17页 |
| 2.3 算法性能检测标准 | 第17-18页 |
| 2.4 信息熵 | 第18页 |
| 2.5 核函数 | 第18-19页 |
| 2.6 本章小结 | 第19-20页 |
| 第3章 结合熵理论改进的目标检测法 | 第20-38页 |
| 3.1 背景差分法 | 第20-24页 |
| 3.2 帧差法 | 第24-26页 |
| 3.3 基于最大熵的图像分割 | 第26-30页 |
| 3.3.1 最大熵阈值分割原理 | 第26-27页 |
| 3.3.2 信息熵的分割应用 | 第27-30页 |
| 3.4 基于最大熵改进的检测算法 | 第30-35页 |
| 3.5 实验结果与分析 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 跟踪算法的改进与实验研究 | 第38-48页 |
| 4.1 Meanshift目标跟踪算法 | 第38-41页 |
| 4.1.1 Meanshift算法原理 | 第38-41页 |
| 4.1.2 Meanshift算法实现过程 | 第41页 |
| 4.2 粒子滤波算法 | 第41-44页 |
| 4.2.1 算法原理 | 第41-43页 |
| 4.2.2 算法的过程 | 第43-44页 |
| 4.3 融合Meanshift和粒子滤波技术的跟踪算法 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-49页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52页 |