基于图像的目标快速识别与跟踪技术研究
摘要 | 第1-5页 |
Abstract | 第5-12页 |
第一章 绪论 | 第12-19页 |
·本课题研究的意义 | 第12-13页 |
·本课题研究的现状 | 第13-17页 |
·运动目标检测技术 | 第13-14页 |
·目标识别技术 | 第14-15页 |
·目标跟踪技术 | 第15-17页 |
·课题研究的主要内容 | 第17-18页 |
·小结 | 第18-19页 |
第二章 运动目标检测 | 第19-35页 |
·前言 | 第19页 |
·运动目标检测的基本方法 | 第19-24页 |
·连续帧间差分法 | 第19-21页 |
·背景差分法 | 第21-23页 |
·光流法 | 第23-24页 |
·图像分割算法 | 第24-29页 |
·图像的预处理 | 第24页 |
·图像分割算法概述 | 第24页 |
·最大类间方差法 | 第24-25页 |
·最大类间类内方差法 | 第25-26页 |
·最大熵法 | 第26-27页 |
·自适应阈值分割法 | 第27-28页 |
·几种阈值分割方法的实验结果比较 | 第28-29页 |
·形态学图像滤波 | 第29-30页 |
·Kim 运动目标检测算法 | 第30-31页 |
·改进的运动目标检测算法 | 第31-33页 |
·差分图像的阈值分割方法 | 第32页 |
·改进后的算法分析 | 第32-33页 |
·实验结果与分析 | 第33-34页 |
·小结 | 第34-35页 |
第三章 运动目标的特征提取与识别技术 | 第35-56页 |
·前言 | 第35页 |
·图像的特征提取算法 | 第35-45页 |
·Hu 不变矩的提取 | 第36-37页 |
·改进的Hu 不变矩的提取 | 第37-38页 |
·仿射不变矩的提取 | 第38-40页 |
·组合不变矩的提取 | 第40-41页 |
·特征提取的实验结果与分析 | 第41-45页 |
·基于FLDA 的目标识别技术 | 第45-49页 |
·FLDA 准则 | 第46-48页 |
·基于FLDA 的目标识别的实现步骤 | 第48-49页 |
·基于PCA 与FLDA 的目标识别技术 | 第49-53页 |
·主分量分析 | 第49-53页 |
·基于PCA 与FLDA 的目标识别 | 第53页 |
·两种方法的实验结果与分析 | 第53-55页 |
·小结 | 第55-56页 |
第四章 运动目标的跟踪 | 第56-75页 |
·前言 | 第56页 |
·形心跟踪算法 | 第56-59页 |
·跟踪窗口的设计 | 第56-58页 |
·形心的计算 | 第58-59页 |
·模板相关匹配跟踪算法 | 第59-64页 |
·基于归一化互相关的模板相关匹配跟踪算法 | 第60-61页 |
·基于最小绝对方差累加和的模板相关匹配算法 | 第61页 |
·序列相似性检测算法 | 第61-62页 |
·SSDA 的改进措施 | 第62-63页 |
·模板更新策略 | 第63-64页 |
·模板相关匹配跟踪的实验结果与分析 | 第64页 |
·基于Kalman 的预测跟踪算法 | 第64-74页 |
·Kalman 滤波器原理 | 第65-66页 |
·Kalman 滤波器方程 | 第66-67页 |
·Kalman 滤波器初始状态的建立 | 第67页 |
·Kalman 预测跟踪的应用 | 第67-68页 |
·Kalman 预测跟踪的改进 | 第68-69页 |
·Kalman 预测跟踪的实验结果与分析 | 第69-74页 |
·小结 | 第74-75页 |
第五章 系统的硬件平台与软件设计及优化 | 第75-90页 |
·前言 | 第75页 |
·系统的硬件平台 | 第75-81页 |
·DAM6416P 图像处理平台 | 第75-80页 |
·TDS560USB 硬件仿真器 | 第80-81页 |
·系统的软件开发与仿真 | 第81-84页 |
·CCS 集成开发环境 | 第81-83页 |
·系统仿真 | 第83-84页 |
·系统的软件设计与代码优化 | 第84-89页 |
·软件开发流程 | 第84-85页 |
·软件设计 | 第85-87页 |
·代码优化 | 第87-89页 |
·小结 | 第89-90页 |
第六章 总结与展望 | 第90-92页 |
·工作总结 | 第90页 |
·研究展望 | 第90-92页 |
参考文献 | 第92-95页 |
致谢 | 第95-96页 |
在学期间的研究成果及发表的学术论文 | 第96页 |