| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·概述 | 第7-8页 |
| ·图像跟踪系统的基本原理 | 第8页 |
| ·图像目标跟踪技术的发展及现状 | 第8-10页 |
| ·论文的主要内容与结构 | 第10-13页 |
| 第二章 灰度相关匹配算法 | 第13-27页 |
| ·传统的模板相似度测量方法 | 第13-17页 |
| ·去均值归一化相关算法 | 第17页 |
| ·实验结果及分析 | 第17-19页 |
| ·固定模板跟踪 | 第19-20页 |
| ·模板自适应更新 | 第20-23页 |
| ·模板尺寸自适应修正 | 第20-23页 |
| ·模板内容更新 | 第23页 |
| ·本文算法跟踪实验及分析 | 第23-27页 |
| 第三章 结合自适应 KALMAN 预测的 PCA 跟踪算法 | 第27-49页 |
| ·PCA 原理分析 | 第27-29页 |
| ·自适应KALMAN 滤波器预测 | 第29-31页 |
| ·结合自适应KALMAN 预测的PCA 跟踪算法分析 | 第31-45页 |
| ·图像增强 | 第31-34页 |
| ·图像边缘检测 | 第34-39页 |
| ·目标跟踪整体过程 | 第39-40页 |
| ·相似度衡量 | 第40-41页 |
| ·模板更新 | 第41页 |
| ·模板尺寸变化 | 第41-45页 |
| ·实验结果与分析 | 第45-47页 |
| ·算法效果分析 | 第47-49页 |
| 第四章 基于粒子滤波的灰度目标跟踪算法 | 第49-61页 |
| ·灰度图像目标特征提取及目标模板建立 | 第49-52页 |
| ·目标特征提取 | 第49-51页 |
| ·自适应椭圆变形模板 | 第51-52页 |
| ·粒子滤波跟踪算法 | 第52-56页 |
| ·跟踪算法 | 第52-55页 |
| ·粒子滤波跟踪算法参数选择 | 第55-56页 |
| ·实验结果与分析 | 第56-61页 |
| 第五章 结论与展望 | 第61-63页 |
| ·结论 | 第61页 |
| ·未来的工作 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者在攻读硕士期间完成的工作 | 第69-70页 |