| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 压缩感知理论研究现状 | 第10-13页 |
| 1.2.2 目标检测研究现状 | 第13-14页 |
| 1.3 论文主要工作及安排 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 2 压缩感知理论概述 | 第17-21页 |
| 2.1 压缩感知理论的提出 | 第17页 |
| 2.2 压缩感知基本原理 | 第17-19页 |
| 2.2.1 稀疏表示 | 第18页 |
| 2.2.2 观测矩阵 | 第18-19页 |
| 2.2.3 重构算法 | 第19页 |
| 2.3 压缩感知理论在运动目标检测中的应用 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 基于张量分解与背景差分的运动目标检测算法 | 第21-43页 |
| 3.1 引言 | 第21页 |
| 3.2 张量 | 第21-23页 |
| 3.2.1 张量定义 | 第21-22页 |
| 3.2.2 张量的秩与张量分解 | 第22-23页 |
| 3.3 视频的张量表示与背景的差异低秩性 | 第23-25页 |
| 3.3.1 视频体的表示 | 第23页 |
| 3.3.2 背景张量的差异低秩性 | 第23-25页 |
| 3.4 基于张量分解与背景差分的运动目标检测算法 | 第25-32页 |
| 3.4.1 压缩感知视频信号采样 | 第25-26页 |
| 3.4.2 基于背景差分的视频分解模型 | 第26页 |
| 3.4.3 基于张量Tucker分解的视频背景模型 | 第26-27页 |
| 3.4.4 视频重构与分解模型 | 第27-28页 |
| 3.4.5 优化算法求解 | 第28-32页 |
| 3.5 实验结果与分析 | 第32-42页 |
| 3.5.1 参数初始化与评价指标的选择 | 第32-33页 |
| 3.5.2 实验数据集 | 第33-34页 |
| 3.5.3 算法收敛性分析 | 第34-35页 |
| 3.5.4 对比基于矩阵框架的算法 | 第35-37页 |
| 3.5.5 对比基于张量框架的算法: Ten-RPCA | 第37-40页 |
| 3.5.6 对比在线算法: ReProCS | 第40-42页 |
| 3.6 本章小节 | 第42-43页 |
| 4 基于Welsch M-估计的压缩感知视频重构算法 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 最大相关熵准则 | 第43-44页 |
| 4.3 半二次理论(HQ) | 第44页 |
| 4.4 基于Welsch M-估计的鲁棒压缩感知重构算法 | 第44-47页 |
| 4.4.1 基于Welsch M-d计的鲁棒压缩感知重构模型 | 第45页 |
| 4.4.2 优化重构模型与Welsch M-估计之间关系的分析 | 第45-46页 |
| 4.4.3 优化重构模型的求解算法 | 第46-47页 |
| 4.5 实验结果与分析 | 第47-54页 |
| 4.5.1 冲击噪声模型及其相关参数 | 第48页 |
| 4.5.2 压缩感知测量值混入不同SNR冲击噪声的实验 | 第48-52页 |
| 4.5.3 压缩感知测量值混入不同冲击强度冲击噪声的实验 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 5 基于压缩感知域视频的运动目标检测软件仿真系统 | 第55-63页 |
| 5.1 引言 | 第55页 |
| 5.2 系统总体框架 | 第55页 |
| 5.3 软件系统说明及实验流程 | 第55-61页 |
| 5.3.1 数据准备与压缩采样模块 | 第57-59页 |
| 5.3.2 视频重构与分解模块 | 第59-60页 |
| 5.3.3 二值化与评价模块 | 第60-61页 |
| 5.4 软件应用实例 | 第61-62页 |
| 5.5 运行环境 | 第62页 |
| 5.6 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 附录 | 第72页 |
