首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

图像稀疏表示模型在可视化追踪中的应用研究

致谢第1-10页
摘要第10-12页
ABSTRACT第12-14页
目录第14-17页
插图清单第17-18页
表格清单第18-19页
第1章 绪论第19-24页
   ·本文的研究背景与意义第19页
   ·视频目标追踪国内外概况第19-22页
     ·基于判别式模型的目标追踪方法第20页
     ·基于生成式模型的目标追踪方法第20页
     ·基于稀疏表示模型的目标追踪方法第20-21页
     ·视频目标追踪方法总结第21-22页
   ·本文工作的创新点第22页
   ·论文的结构安排第22-24页
第2章 图像稀疏表示模型第24-30页
   ·引言第24页
   ·图像稀疏表示第24-25页
   ·图像稀疏编码第25-27页
     ·贪婪法第26页
     ·松弛法第26-27页
   ·图像字典设计第27-29页
     ·K-means第27页
     ·最大似然估计法第27-28页
     ·最优方向法第28-29页
     ·正交基联合法第29页
   ·本章小结第29-30页
第3章 一种带有局部稀琉表示的多示例学习目标追踪方法第30-49页
   ·引言第30-33页
   ·相关工作第33-34页
   ·局部稀疏表示模型第34页
   ·多示例学习第34页
   ·带有局部稀疏表示的多示例学习目标追踪方法第34-36页
     ·局部稀疏表示样本集第35页
     ·带有局部稀疏表示多示例学习分类器第35-36页
   ·两步目标追踪法第36-37页
   ·带有粒子滤波器的多示例追踪法第37-38页
   ·实验分析第38-45页
     ·定性分析第39-42页
     ·定量分析第42-45页
   ·两步法分析第45-48页
   ·本章小结第48-49页
第4章 基于多尺度块稀疏系数的目标追踪方法第49-67页
   ·引言第49页
   ·相关工作第49-51页
   ·基于多尺度块的稀疏表示模型第51-54页
     ·稀疏表示第51页
     ·基于块的局部稀疏表示第51-52页
     ·基于多尺度块的稀疏表示模型第52-54页
   ·带有粒子滤波器的两步目标追踪方法第54-56页
     ·粒子滤波器第54页
     ·两步目标追踪法第54-56页
   ·实验结果第56-66页
     ·定性分析第57-61页
     ·定量分析第61-65页
     ·不同尺度下追踪分析第65-66页
   ·本章小结第66-67页
第5章 基于局部稀疏表示的联合追踪模型第67-86页
   ·引言第67-68页
   ·相关工作第68-69页
   ·基于局部稀疏表示的联合追踪模型第69-74页
     ·局部稀疏编码的目标表示第70页
     ·基于局部稀疏表示的辨别式模型第70-71页
     ·基于局部稀疏表示的产生式模型第71-73页
     ·联合追踪模型第73-74页
     ·联合模型更新第74页
   ·贝叶斯推理追踪框架第74-76页
   ·实验结果分析第76-85页
     ·本章追踪结果的定性分析第77-81页
     ·本章结果的定量分析第81-85页
   ·本章小结第85-86页
第6章 基于多尺度块稀疏编码直方图的目标追踪方法第86-104页
   ·引言第86-87页
   ·相关方法第87-88页
   ·基于多尺度块稀疏编码直方图的目标追踪方法第88-92页
     ·本章出发点第88页
     ·稀疏编码直方图第88-89页
     ·多尺度块稀疏编码直方图第89-90页
     ·目标遮挡处理策略第90页
     ·多尺度下目标模板的相似度第90-91页
     ·模板更新机制第91-92页
   ·基于贝叶斯推理的追踪方法第92-94页
     ·运动模型第93页
     ·观察模型第93-94页
   ·实验结果第94-103页
     ·定性分析第94-99页
     ·定量分析第99-103页
   ·本章小结第103-104页
第7章 总结与展望第104-106页
   ·本文的工作总结第104-105页
   ·今后的研究工作展望第105-106页
参考文献第106-114页
攻读博士学位期间参加的科研项目第114-115页
攻读博士学位期间完成的成果第115页

论文共115页,点击 下载论文
上一篇:多源环境中数据预处理与模式挖掘的研究
下一篇:带可变长度通配符的模式匹配算法研究