复杂背景下动目标图像跟踪方法的研究
| 第一章 绪论 | 第1-19页 |
| ·课题背景 | 第11-12页 |
| ·课题的目的与意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·图像分割技术的研究现状 | 第14页 |
| ·特征提取技术的研究现状 | 第14-15页 |
| ·目标跟踪算法的研究现状 | 第15-16页 |
| ·研究内容与技术途径 | 第16-19页 |
| ·研究目标 | 第16-17页 |
| ·研究内容 | 第17-18页 |
| ·章节安排 | 第18-19页 |
| 第二章 动目标图像跟踪系统原理及量测数据的形成 | 第19-44页 |
| ·待跟踪目标图像的特点分析 | 第19-20页 |
| ·研究方案的确定 | 第20页 |
| ·目标图像跟踪系统原理 | 第20-21页 |
| ·背景图像自适应更新 | 第21-24页 |
| ·动目标图像跟踪系统的图像分割 | 第24-32页 |
| ·直方图分割法 | 第25页 |
| ·最大类间方差(OSTU)法 | 第25-26页 |
| ·最大熵法 | 第26-27页 |
| ·迭代法 | 第27页 |
| ·基于预测的自适应阈值分割法 | 第27-30页 |
| ·实验结果图 | 第30-32页 |
| ·动目标图像跟踪系统的形状提取 | 第32-36页 |
| ·形状特征描述 | 第32-35页 |
| ·形状提取实验图 | 第35-36页 |
| ·动目标图像跟踪系统的特征点提取 | 第36-43页 |
| ·常见的边缘特征提取算法 | 第36-39页 |
| ·Susan 角点提取算法 | 第39-42页 |
| ·Susan 算法试验图 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 动目标图像跟踪系统的预测算法 | 第44-55页 |
| ·Kalman 滤波器 | 第44-50页 |
| ·待估计的离散线性过程 | 第45-46页 |
| ·Kalman 滤波器原理 | 第46-47页 |
| ·滤波器方程 | 第47-49页 |
| ·滤波器参数 | 第49-50页 |
| ·Kalman 滤波器在轨迹预测中的应用 | 第50-52页 |
| ·Kalman 滤波在轨迹预测中的结果分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 基于特征点的动目标跟踪算法 | 第55-86页 |
| ·传统的点目标跟踪算法 | 第55-58页 |
| ·最邻近(NN)算法 | 第56-57页 |
| ·概率数据关联(PDA)算法 | 第57页 |
| ·联合概率数据关联(JPDA)算法 | 第57-58页 |
| ·基于点模式匹配的目标跟踪算法 | 第58-67页 |
| ·点模式匹配问题的定义 | 第61-62页 |
| ·点模式匹配算法 | 第62-66页 |
| ·参数的选择 | 第66-67页 |
| ·算法的进一步改进 | 第67-70页 |
| ·Kalman 滤波用于θ的预测与修正 | 第67-68页 |
| ·改进的算法流程 | 第68-69页 |
| ·改进算法的实验结果 | 第69-70页 |
| ·目标稳定跟踪策略 | 第70-74页 |
| ·目标的跟踪状态分析 | 第70-72页 |
| ·跟踪状态的切换策略 | 第72-73页 |
| ·基于置信度二级判决门限的跟踪策略 | 第73-74页 |
| ·目标跟踪识别系统总流程 | 第74-77页 |
| ·单目标跟踪实验 | 第77-79页 |
| ·多目标跟踪实验 | 第79-85页 |
| ·本章小结 | 第85-86页 |
| 第五章 多目标图像跟踪软件演示系统 | 第86-93页 |
| ·软件系统最初的运行界面 | 第86页 |
| ·打开图像 | 第86-87页 |
| ·系统菜单功能介绍 | 第87-89页 |
| ·动目标跟踪算法演示 | 第89-93页 |
| ·魔术棒功能演示 | 第89页 |
| ·目标重心轨迹跟踪演示 | 第89-90页 |
| ·头尾点跟踪演示 | 第90-91页 |
| ·目标区域跟踪演示 | 第91-93页 |
| 结束语 | 第93-95页 |
| 参考文献 | 第95-102页 |
| 攻读硕士期间发表的论文 | 第102-103页 |
| 致谢 | 第103页 |
