| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 论文研究背景及意义 | 第11-12页 |
| 1.2 红外图像的基本特征 | 第12-13页 |
| 1.3 红外目标跟踪中的难点问题 | 第13-14页 |
| 1.4 目标跟踪算法的研究现状 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 Mean Shift基本理论的研究 | 第16-34页 |
| 2.1 引言 | 第16页 |
| 2.2 密度估计理论 | 第16-21页 |
| 2.2.1 参数密度估计 | 第17页 |
| 2.2.2 无参密度估计 | 第17-21页 |
| 2.3 Mean Shift算法基本原理 | 第21-23页 |
| 2.4 Mean Shift算法在红外目标跟踪中的应用 | 第23-28页 |
| 2.4.1 目标模型建立 | 第24页 |
| 2.4.2 建立候选目标模型 | 第24-25页 |
| 2.4.3 相似性度量函数 | 第25-26页 |
| 2.4.4 目标定位 | 第26页 |
| 2.4.5 Mean Shift跟踪算法描述 | 第26-28页 |
| 2.5 实验结果与分析 | 第28-33页 |
| 2.5.1 目标尺度不变实验 | 第28-29页 |
| 2.5.2 目标尺度变大实验 | 第29-31页 |
| 2.5.3 目标尺度变小实验 | 第31-32页 |
| 2.5.4 目标部分遮挡实验 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章.改进的Mean Shift红外目标跟踪算法 | 第34-53页 |
| 3.1. Mean Shift在红外目标跟踪中的优缺点 | 第34页 |
| 3.2 目标建模的改进 | 第34-40页 |
| 3.2.1 亮度-距离空间下的红外目标表征模型 | 第35-37页 |
| 3.2.2 灰度似然比加权核直方图红外目标表征模型 | 第37-40页 |
| 3.3 核窗宽自适应的改进 | 第40-51页 |
| 3.3.1 核窗宽自适应更新原理 | 第40-42页 |
| 3.3.2 核窗宽自适应更新的跟踪算法 | 第42-44页 |
| 3.3.3 实验结果与分析 | 第44-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第4章 融合Mean Shift与粒子滤波的红外目标跟踪算法 | 第53-80页 |
| 4.1 引言 | 第53页 |
| 4.2 粒子滤波理论 | 第53-57页 |
| 4.2.1 贝叶斯滤波原理 | 第53-55页 |
| 4.2.2 蒙特卡罗采样 | 第55-56页 |
| 4.2.3 粒子滤波的基本算法 | 第56-57页 |
| 4.3 粒子滤波在红外目标跟踪中的应用 | 第57-65页 |
| 4.3.1 状态转移模型 | 第58-59页 |
| 4.3.2 灰度特征及观测模型 | 第59-61页 |
| 4.3.3 粒子滤波的红外目标跟踪算法实现 | 第61-62页 |
| 4.3.4 实验结果与分析 | 第62-65页 |
| 4.4 融合Mean Shift与粒子滤波的跟踪算法 | 第65-78页 |
| 4.4.1 融合算法的原理 | 第65-67页 |
| 4.4.2 融合算法的实现 | 第67-69页 |
| 4.4.3 实验结果与分析 | 第69-78页 |
| 4.5 本章小结 | 第78-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第87-88页 |
| 致谢 | 第88-89页 |
