| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 本论文研究目的和意义 | 第9页 |
| 1.2 国内外研究现状和发展趋势 | 第9-13页 |
| 1.2.1 运动目标跟踪方法 | 第10-13页 |
| 1.3 本论文的主要工作和结构 | 第13-15页 |
| 1.3.1 本文的主要工作 | 第13-14页 |
| 1.3.2 本文的结构 | 第14-15页 |
| 第2章 图像预处理 | 第15-31页 |
| 2.1 形态学滤波算法 | 第15-16页 |
| 2.1.1 腐蚀和膨胀运算 | 第15-16页 |
| 2.1.2 开运算和闭运算 | 第16页 |
| 2.2 全局运动补偿 | 第16-25页 |
| 2.2.1 全局运动补偿原理 | 第16-17页 |
| 2.2.2 特征点提取和匹配 | 第17-22页 |
| 2.2.3 几何模型和参数拟合 | 第22-25页 |
| 2.3 运动目标检测 | 第25-30页 |
| 2.3.1 目标检测方法 | 第25-28页 |
| 2.3.2 融合边缘信息和形态学的目标检测方法 | 第28-29页 |
| 2.3.3 运动目标检测实验结果 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于视觉注意机制的显著区域提取 | 第31-36页 |
| 3.1 视觉注意机制 | 第31-32页 |
| 3.2 基于视觉注意的显著区域提取 | 第32-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 基于视觉注意机制的改进粒子滤波目标跟踪算法 | 第36-58页 |
| 4.1 粒子滤波算法 | 第36-44页 |
| 4.1.1 粒子滤波原理 | 第36-40页 |
| 4.1.2 序贯粒子滤波算法 | 第40-41页 |
| 4.1.3 粒子滤波算法流程 | 第41-42页 |
| 4.1.4 基于粒子滤波的目标跟踪算法描述 | 第42-44页 |
| 4.2 基于Mean Shift的目标跟踪 | 第44-48页 |
| 4.2.1 Mean Shift基本思想 | 第44-46页 |
| 4.2.2 Mean Shift算法 | 第46-47页 |
| 4.2.3 基于Mean Shift的目标跟踪 | 第47-48页 |
| 4.3 改进的粒子滤波目标跟踪算法 | 第48-53页 |
| 4.3.1 目标模型的建立 | 第48-49页 |
| 4.3.2 粒子初始化 | 第49页 |
| 4.3.3 状态转移 | 第49-50页 |
| 4.3.4 观测模型 | 第50-51页 |
| 4.3.5 模板更新 | 第51-52页 |
| 4.3.6 目标状态估计 | 第52页 |
| 4.3.7 重采样 | 第52页 |
| 4.3.8 本文改进粒子滤波目标跟踪算法流程 | 第52-53页 |
| 4.4 实验结果与分析 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读学位期间发表论文与研究成果清单 | 第65-66页 |
| 致谢 | 第66页 |