| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·图像跟踪技术概述 | 第7页 |
| ·图像跟踪系统的基本原理 | 第7-8页 |
| ·图像跟踪技术的发展 | 第8-10页 |
| ·论文的主要内容及结构 | 第10-11页 |
| 第二章 基于模板相关匹配的目标跟踪算法研究 | 第11-25页 |
| ·模板的相似度测量方法 | 第11-13页 |
| ·实验结果及分析 | 第13页 |
| ·模板尺寸的自适应修正 | 第13-18页 |
| ·基于二值化的模板修正 | 第14-15页 |
| ·基于区域增长的模板修正 | 第15-17页 |
| ·实验结果及对比 | 第17-18页 |
| ·使用Kalman滤波器的目标预测 | 第18-23页 |
| ·Kalman滤波器及其改进 | 第18-21页 |
| ·实验结果及分析 | 第21-23页 |
| ·抗噪声性能分析 | 第23-25页 |
| 第三章 基于Mean-Shift的目标跟踪算法研究 | 第25-43页 |
| ·Mean-Shift算法 | 第25-27页 |
| ·目标的核估计描述 | 第27-28页 |
| ·相似度测量函数 | 第28页 |
| ·目标定位 | 第28-30页 |
| ·实验结果及分析 | 第30-41页 |
| ·不同核函数分析 | 第30-35页 |
| ·核估计中直方图段数的选择 | 第35-36页 |
| ·模板更新及目标位置预测 | 第36页 |
| ·核窗宽的自适应变化 | 第36-40页 |
| ·Kalman预测对跟踪性能影响 | 第40-41页 |
| ·抗噪声性能分析 | 第41-43页 |
| 第四章 基于PCA和边缘检测的目标跟踪算法研究 | 第43-63页 |
| ·边缘检测算法 | 第43-49页 |
| ·Sobel边缘检测算子 | 第43-45页 |
| ·Canny边缘检测算法 | 第45-47页 |
| ·Laplacian边缘算子 | 第47页 |
| ·Marr-Hildreth边缘检测算法 | 第47-49页 |
| ·直方图均衡化 | 第49-50页 |
| ·PCA算法原理 | 第50-55页 |
| ·PCA算法处理过程 | 第51-53页 |
| ·相似度测量 | 第53-55页 |
| ·使用PCA算法的跟踪策略 | 第55-58页 |
| ·目标样本更新策略 | 第55-56页 |
| ·样本尺寸的自适应变化 | 第56-58页 |
| ·实验结果及分析 | 第58-59页 |
| ·抗噪声性能分析 | 第59-63页 |
| 第五章 结论与展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·未来的工作 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 作者在读期间的研究成果 | 第69-70页 |