摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-25页 |
1.1 研究意义 | 第11-13页 |
1.2 国内外研究现状及主要问题 | 第13-23页 |
1.2.1 研究现状 | 第13-20页 |
1.2.2 存在的问题 | 第20-23页 |
1.3 课题来源、研究内容及论文章节安排 | 第23-25页 |
第二章 MEAN SHIFT 基本理论研究 | 第25-52页 |
2.1 引言 | 第25-26页 |
2.2 密度估计理论 | 第26-31页 |
2.2.1 参数密度估计 | 第26-28页 |
2.2.2 无参密度估计 | 第28-30页 |
2.2.3 无参密度估计的收敛性 | 第30-31页 |
2.3 MEAN SHIFT 理论 | 第31-40页 |
2.3.1 多维空间下的的无参密度估计 | 第31-33页 |
2.3.2 Mean Shift 向量 | 第33-35页 |
2.3.3 Mean Shift 算法收敛性 | 第35-37页 |
2.3.4 光滑轨迹性质 | 第37-40页 |
2.4 MEAN SHIFT 跟踪方法 | 第40-43页 |
2.4.1 目标模型的描述 | 第40-41页 |
2.4.2 候选模型的描述 | 第41页 |
2.4.3 相似度函数 | 第41-42页 |
2.4.4 目标定位 | 第42-43页 |
2.5 MEAN SHIFT 跟踪优化方法 | 第43-51页 |
2.5.1 牛顿法 | 第43-48页 |
2.5.2 信赖域法 | 第48-51页 |
2.6 本章小结 | 第51-52页 |
第三章 自适应空间颜色直方图的 MEAN SHIFT 跟踪方法 | 第52-62页 |
3.1 引言 | 第52-53页 |
3.2 自适应分块方法 | 第53-54页 |
3.3 加权 BHATTACHARYYA 系数 | 第54-55页 |
3.4 跟踪算法 | 第55页 |
3.5 实验与分析 | 第55-61页 |
3.6 本章小结 | 第61-62页 |
第四章 特征点检测及特征描述子 | 第62-92页 |
4.1 引言 | 第62-63页 |
4.2 特征点检测方法 | 第63-79页 |
4.2.1 SIFT 算法 | 第63-71页 |
4.2.2 SURF 算法 | 第71-79页 |
4.3 图像特征描述子 | 第79-89页 |
4.3.1 SIFT 特征描述子 | 第79-83页 |
4.3.2 SURF 特征描述子 | 第83-89页 |
4.4 特征点算子比较 | 第89-91页 |
4.5 本章小结 | 第91-92页 |
第五章 基于改进 MEAN SHIFT 和 SIFT 的跟踪算法 | 第92-101页 |
5.1 引言 | 第92页 |
5.2 融合改进 MEAN SHIFT 和 SIFT 的跟踪算法 | 第92-93页 |
5.3 实验与分析 | 第93-100页 |
5.3.1 改进的 Mean Shift 算法初步跟踪 | 第94-95页 |
5.3.2 SIFT 跟踪 | 第95-97页 |
5.3.3 融合结果 | 第97-100页 |
5.4 本章小结 | 第100-101页 |
第六章 基于 MEAN SHIFT 和 SIFT 的仿射变换的目标跟踪算法 | 第101-116页 |
6.1 引言 | 第101页 |
6.2 运动目标仿射变换模型 | 第101页 |
6.3 基于 MEAN SHIFT 算法的仿射运动目标跟踪算法 | 第101-106页 |
6.3.1 平移向量的估计 | 第103-104页 |
6.3.2 旋转角度的估计 | 第104-105页 |
6.3.3 跟踪算法 | 第105-106页 |
6.4 融合 SIFT 特征的仿射变换目标跟踪算法 | 第106-108页 |
6.4.1 SIFT 特征提取及匹配 | 第106-107页 |
6.4.2 仿射参数求解 | 第107-108页 |
6.4.3 融合算法 | 第108页 |
6.5 实验与分析 | 第108-115页 |
6.5.1 基于 Mean Shift 算法的仿射变换目标初步跟踪 | 第108-109页 |
6.5.2 SIFT 特征匹配和仿射参数计算 | 第109-111页 |
6.5.3 融合结果 | 第111-115页 |
6.6 本章小结 | 第115-116页 |
第七章 总结和展望 | 第116-119页 |
7.1 总结 | 第116-117页 |
7.2 展望 | 第117-119页 |
参考文献 | 第119-132页 |
攻读博士学位期间取得的研究成果和参加的科研项目 | 第132-133页 |
致谢 | 第133页 |