基于压缩感知的视频追踪方法研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第1章 绪论 | 第7-15页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 视频图像处理简介 | 第9页 |
| 1.3 视频追踪方法简介 | 第9-10页 |
| 1.4 国内外研究现状 | 第10-12页 |
| 1.5 本文研究内容和贡献 | 第12页 |
| 1.6 论文章节安排和框架结构 | 第12-14页 |
| 1.7 本章小结 | 第14-15页 |
| 第2章 视频目标追踪相关技术简介 | 第15-26页 |
| 2.1 图像预处理 | 第15-17页 |
| 2.2 阈值处理 | 第17页 |
| 2.3 运动目标检测技术 | 第17-21页 |
| 2.3.1 帧差法 | 第17-18页 |
| 2.3.2 光流法 | 第18页 |
| 2.3.3 背景减除法 | 第18-21页 |
| 2.4 分类器 | 第21-25页 |
| 2.4.1 贝叶斯分类器 | 第21-23页 |
| 2.4.2 支持向量机 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 图像信号压缩感知方法 | 第26-32页 |
| 3.1 稀疏信号表示 | 第27-28页 |
| 3.2 压缩感知数学模型 | 第28-29页 |
| 3.2.1 时域下的稀疏性感知压缩 | 第28-29页 |
| 3.2.2 频域下的稀疏性感知压缩 | 第29页 |
| 3.3 构造稀疏字典 | 第29-30页 |
| 3.3.1 不相关采样 | 第29-30页 |
| 3.4 稀疏字典的表示方法 | 第30-31页 |
| 3.5 压缩感知信号的重构算法 | 第31页 |
| 3.5.1 贪婪算法 | 第31页 |
| 3.6 总结 | 第31-32页 |
| 第4章 基于稀疏性的协同目标追踪算法 | 第32-40页 |
| 4.1 引言 | 第32-33页 |
| 4.2 前景分类检测 | 第33-35页 |
| 4.3 稀疏协同追踪模型 | 第35-36页 |
| 4.4 实验结果及分析 | 第36-39页 |
| 4.5 总结 | 第39-40页 |
| 第5章 基于压缩感知的实时在线目标追踪 | 第40-55页 |
| 5.1 引言 | 第40-43页 |
| 5.2 压缩感知追踪相关内容 | 第43-47页 |
| 5.2.1 特征提取 | 第43-46页 |
| 5.2.2 随机测量矩阵 | 第46页 |
| 5.2.3 特征的随机压缩投射 | 第46-47页 |
| 5.3 基于压缩感知提出的追踪算法 | 第47-49页 |
| 5.3.1 DRLBP直方图压缩特征空间生成 | 第47-48页 |
| 5.3.2 分类器构造及其更新 | 第48页 |
| 5.3.3 追踪算法流程 | 第48-49页 |
| 5.4 试验结果及其分析 | 第49-54页 |
| 5.5 总结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
