基于图像匹配的目标跟踪算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题研究的背景与意义 | 第7页 |
| ·目标跟踪技术的发展与研究现状 | 第7-10页 |
| ·高维仿生神经元网络产生的背景与优势 | 第10-11页 |
| ·论文内容安排 | 第11-13页 |
| 第二章 目标跟踪技术研究 | 第13-27页 |
| ·目标跟踪技术概述 | 第13页 |
| ·影响目标跟踪的主要因素 | 第13-14页 |
| ·图像匹配算法概述 | 第14-18页 |
| ·图像匹配算法的分类 | 第14-16页 |
| ·图像匹配的关键要素 | 第16-17页 |
| ·影响匹配性能的因素 | 第17-18页 |
| ·常见的基于灰度相关的匹配算法 | 第18-21页 |
| ·实验结果与分析 | 第21-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于互信息和自适应模板更新的目标跟踪算法 | 第27-43页 |
| ·互信息理论研究 | 第27-30页 |
| ·灰度直方图 | 第27-28页 |
| ·互信息 | 第28-29页 |
| ·归一化互信息 | 第29-30页 |
| ·基于归一化互信息的目标跟踪算法 | 第30-33页 |
| ·算法原理与实现步骤 | 第30-31页 |
| ·仿真结果与性能分析 | 第31-33页 |
| ·基于多尺度图像信息量的模板尺寸更新 | 第33-39页 |
| ·灰度级插值 | 第33-35页 |
| ·多尺度图像信息量度量 | 第35-37页 |
| ·自适应模板更新算法 | 第37-39页 |
| ·实验结果与分析 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于高维仿生神经网络的目标跟踪算法 | 第43-61页 |
| ·高维形象几何仿生信息学方法的基本原理 | 第43页 |
| ·高维空间几何分析法 | 第43-47页 |
| ·高维空间几何学的基本概念 | 第43-44页 |
| ·高维空间几何中的一些算法 | 第44-45页 |
| ·高维空间几何覆盖理论 | 第45-47页 |
| ·主元分析法原理及其高维空间几何意义 | 第47-49页 |
| ·主元分析法基本原理 | 第47-48页 |
| ·基于主元分析法的特征提取和降维应用 | 第48-49页 |
| ·主元分析法的高维空间几何意义 | 第49页 |
| ·基于三角形神经元网络的目标跟踪算法 | 第49-55页 |
| ·三角形神经元网络模型的建立 | 第49-51页 |
| ·训练样本的选取和预处理 | 第51-52页 |
| ·匹配度函数的设计 | 第52-53页 |
| ·模板更新 | 第53-54页 |
| ·算法流程 | 第54-55页 |
| ·实验结果与分析 | 第55-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 结论与展望 | 第61-63页 |
| ·结论 | 第61-62页 |
| ·下一步工作展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者在攻读硕士期间完成的工作 | 第69-70页 |
