| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 专用术语注释表 | 第10-14页 |
| 第一章 绪论 | 第14-30页 |
| 1.1 研究背景与意义 | 第14-17页 |
| 1.2 国内外研究现状 | 第17-27页 |
| 1.2.1 运动目标检测 | 第17-21页 |
| 1.2.2 运动目标追踪 | 第21-23页 |
| 1.2.3 图像融合 | 第23-25页 |
| 1.2.4 压缩感知 | 第25-27页 |
| 1.3 本文主要创新点 | 第27-29页 |
| 1.4 论文结构安排 | 第29-30页 |
| 第二章 针对运动干扰场景下的目标检测 | 第30-51页 |
| 2.1 引言 | 第30-32页 |
| 2.2 问题提出 | 第32-35页 |
| 2.3 重构算法 | 第35-40页 |
| 2.4 实验分析 | 第40-50页 |
| 2.4.1 目标检测优化模型 | 第41-44页 |
| 2.4.2 运动目标检测 | 第44-50页 |
| 2.5 本章小结 | 第50-51页 |
| 第三章 针对噪声以及摄像机抖动场景下的目标检测 | 第51-68页 |
| 3.1 引言 | 第51-52页 |
| 3.2 问题提出 | 第52-56页 |
| 3.3 求解目标检测优化模型 | 第56-59页 |
| 3.4 实验分析 | 第59-67页 |
| 3.4.1 噪声干扰下的鲁棒性 | 第60-65页 |
| 3.4.2 摄像机抖动下的鲁棒性 | 第65-67页 |
| 3.4.3 动态前景分割 | 第67页 |
| 3.5 本章小结 | 第67-68页 |
| 第四章 基于联合稀疏表示的鲁棒性目标追踪 | 第68-93页 |
| 4.1 引言 | 第68-69页 |
| 4.2 基于联合稀疏表示的目标追踪算法 | 第69-74页 |
| 4.2.1 粒子滤波器 | 第70-71页 |
| 4.2.2 联合稀疏表示模型 | 第71-74页 |
| 4.2.3 联合稀疏表示模型与传统稀疏表示模型区别 | 第74页 |
| 4.3 求解联合稀疏表示模型 | 第74-80页 |
| 4.4 实验仿真 | 第80-92页 |
| 4.4.1 联合稀疏表示模型性能 | 第80-82页 |
| 4.4.2 目标追踪鲁棒性 | 第82-89页 |
| 4.4.3 客观实验对比 | 第89-92页 |
| 4.5 本章小结 | 第92-93页 |
| 第五章 基于压缩感知的多源图像融合 | 第93-107页 |
| 5.1 引言 | 第93-94页 |
| 5.2 图像融合框架 | 第94-99页 |
| 5.2.1 双通道PCNN | 第95-97页 |
| 5.2.2 压缩域图像融合准则 | 第97-99页 |
| 5.3 图像重构 | 第99-101页 |
| 5.4 实验仿真 | 第101-106页 |
| 5.4.1 SAML算法性能 | 第101-103页 |
| 5.4.2 图像融合结果 | 第103-106页 |
| 5.5 本章小结 | 第106-107页 |
| 第六章 总结与展望 | 第107-110页 |
| 总结 | 第107-108页 |
| 展望 | 第108-110页 |
| 参考文献 | 第110-118页 |
| 附录1 公式证明 | 第118-122页 |
| 附录2 攻读博士学位期间撰写的论文 | 第122-123页 |
| 附录3 攻读博士学位期间申请的专利 | 第123-124页 |
| 附录4 攻读博士学位期间参加的科研项目 | 第124-125页 |
| 致谢 | 第125页 |