| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 飞行器平台上图像目标追踪问题的特点 | 第8-9页 |
| 1.3 目标识别算法概述 | 第9-13页 |
| 1.3.1 基于特征的目标识别算法 | 第10-11页 |
| 1.3.2 基于模板的目标识别算法 | 第11页 |
| 1.3.3 基于分类器的目标识别算法 | 第11-12页 |
| 1.3.4 基于运动信息的目标识别算法 | 第12-13页 |
| 1.4 目标追踪方法概述 | 第13-17页 |
| 1.4.1 基于光流法的追踪算法 | 第13-14页 |
| 1.4.2 基于均值漂移法的追踪算法 | 第14-15页 |
| 1.4.3 基于滤波预测方法的追踪算法 | 第15-17页 |
| 1.5 机器学习方法在追踪算法中的应用 | 第17-18页 |
| 1.6 本文主要工作 | 第18-19页 |
| 第2章 基于水平集的几何活动轮廓模型 | 第19-34页 |
| 2.1 引言 | 第19-20页 |
| 2.2 水平集方法 | 第20-24页 |
| 2.2.1 曲线演化理论简介 | 第20页 |
| 2.2.2 水平集方法介绍 | 第20-22页 |
| 2.2.3 水平集方法的数值求解 | 第22-24页 |
| 2.3 活动轮廓模型 | 第24-25页 |
| 2.3.1 参数活动轮廓模型 | 第24-25页 |
| 2.3.2 几何活动轮廓模型 | 第25页 |
| 2.4 几何活动轮廓模型的经典算法 | 第25-32页 |
| 2.4.1 测地线活动轮廓模型 | 第26-28页 |
| 2.4.2 CV模型 | 第28-30页 |
| 2.4.3 Li方法 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于卡尔曼滤波和几何活动轮廓模型的目标追踪算法 | 第34-43页 |
| 3.1 引言 | 第34页 |
| 3.2 基于滤波理论的目标追踪算法 | 第34-36页 |
| 3.2.1 基于卡尔曼滤波的目标追踪 | 第35页 |
| 3.2.2 基于粒子滤波的目标追踪 | 第35-36页 |
| 3.3 卡尔曼滤波运动目标追踪原理 | 第36-39页 |
| 3.3.1 卡尔曼滤波模型 | 第36-37页 |
| 3.3.2 卡尔曼滤波的过程 | 第37-38页 |
| 3.3.3 滤波初始条件 | 第38-39页 |
| 3.4 滤波器状态配置和系统滤波模型 | 第39-40页 |
| 3.5 特征提取与运动目标匹配 | 第40-41页 |
| 3.6 基础算法的追踪过程 | 第41-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 基于特征点匹配的状态修正 | 第43-51页 |
| 4.1 引言与问题背景 | 第43-44页 |
| 4.2 特征点提取与匹配 | 第44-46页 |
| 4.3 随机抽样一致性(RANSAC)匹配算法 | 第46-47页 |
| 4.4 状态修正算法 | 第47-48页 |
| 4.5 引入状态修正后的完整算法 | 第48页 |
| 4.6 实验结果与分析 | 第48-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第5章 目标追踪过程中的遮挡问题研究 | 第51-57页 |
| 5.1 引言 | 第51页 |
| 5.2 遮挡问题概述 | 第51-52页 |
| 5.3 基于卡尔曼滤波的处理遮挡问题的算法研究 | 第52-54页 |
| 5.3.1 处理目标被部分遮挡情况的算法 | 第52-53页 |
| 5.3.2 处理目标被完全遮挡情况的算法 | 第53-54页 |
| 5.4 结合各部分算法的完整算法 | 第54页 |
| 5.5 遮挡问题处理效果与分析 | 第54-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-60页 |
| 6.1 全文总结 | 第57-59页 |
| 6.1.1 主要研究问题与工作 | 第57-58页 |
| 6.1.2 主要成果 | 第58页 |
| 6.1.3 本文创新点 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 攻读学位期间论文发表情况 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |