| 摘要 | 第11-13页 |
| Abstract | 第13-15页 |
| 第一章 绪论 | 第16-34页 |
| 1.1 研究背景及意义 | 第16-18页 |
| 1.1.1 成像制导技术发展现状 | 第16-17页 |
| 1.1.2 成像导引头跟踪技术难点及研究意义 | 第17-18页 |
| 1.2 目标跟踪技术研究现状 | 第18-29页 |
| 1.2.1 跟踪问题分类及描述 | 第18-21页 |
| 1.2.2 目标跟踪算法 | 第21-29页 |
| 1.3 论文研究内容及创新点 | 第29-32页 |
| 1.3.1 论文研究内容 | 第29-31页 |
| 1.3.2 论文创新点 | 第31-32页 |
| 1.4 论文组织结构 | 第32-34页 |
| 第二章 基本理论介绍 | 第34-50页 |
| 2.1 Mean Shift理论 | 第34-39页 |
| 2.1.1 多变量核函数的生成 | 第35页 |
| 2.1.2 多维空间下的无参密度估计 | 第35页 |
| 2.1.3 Mean Shift向量 | 第35-38页 |
| 2.1.4 Mean Shift算法的收敛性 | 第38-39页 |
| 2.2 Mean Shift跟踪 | 第39-42页 |
| 2.2.1 目标模型的描述 | 第39-40页 |
| 2.2.2 候选模型的描述 | 第40页 |
| 2.2.3 相似性函数 | 第40页 |
| 2.2.4 目标定位 | 第40-41页 |
| 2.2.5 经典Mean Shift跟踪算法实现步骤 | 第41-42页 |
| 2.3 图像的稀疏表示理论 | 第42-45页 |
| 2.3.1 最优化问题及l_2范数最优解 | 第42-43页 |
| 2.3.2 l_p范数最优解(p≥1) | 第43页 |
2.3.3 l_p范数最优解(0| 第43-44页 | |
| 2.3.4 (P_0)问题 | 第44-45页 |
| 2.4 稀疏表示模型的求解方法 | 第45-48页 |
| 2.4.1 基于贪婪算法的求解方法 | 第45-47页 |
| 2.4.2 基于凸松弛的求解方法 | 第47-48页 |
| 2.5 本章小结 | 第48-50页 |
| 第三章 基于Mean Shift的目标跟踪算法 | 第50-72页 |
| 3.1 传统Mean Shift算法的缺陷分析 | 第50-51页 |
| 3.2 基于空间-颜色特征的Mean Shift跟踪 | 第51-54页 |
| 3.2.1 目标表示 | 第51-52页 |
| 3.2.2 相似性度量 | 第52页 |
| 3.2.3 跟踪算法 | 第52-53页 |
| 3.2.4 尺度搜索 | 第53-54页 |
| 3.3 实验结果与分析 | 第54-60页 |
| 3.3.1 跟踪结果 | 第54-57页 |
| 3.3.2 结果分析 | 第57-60页 |
| 3.4 结合Lucas-Kanade的Mean Shift 跟踪 | 第60-66页 |
| 3.4.1 Lucas-Kanade算法 | 第61-63页 |
| 3.4.2 换成分Lucas-Kanade算法 | 第63-64页 |
| 3.4.3 模板更新策略 | 第64-65页 |
| 3.4.4 具有模板更新策略的Mean Shift跟踪算法 | 第65-66页 |
| 3.5 实验结果与分析 | 第66-71页 |
| 3.5.1 跟踪结果 | 第66-69页 |
| 3.5.2 结果分析 | 第69-71页 |
| 3.6 本章小结 | 第71-72页 |
| 第四章 基于稀疏表示的多子模板跟踪算法 | 第72-92页 |
| 4.1 Fragment算法介绍 | 第72-74页 |
| 4.1.1 子模板选取 | 第72-73页 |
| 4.1.2 子模板跟踪 | 第73页 |
| 4.1.3 融合表决图 | 第73-74页 |
| 4.2 Fragment算法缺陷分析 | 第74-75页 |
| 4.3 基于稀疏表示的多子模板跟踪 | 第75-81页 |
| 4.3.1 子模板选取 | 第75-76页 |
| 4.3.2 子模板稀疏表示 | 第76-79页 |
| 4.3.3 融合表决图 | 第79页 |
| 4.3.4 尺度空间搜索 | 第79-80页 |
| 4.3.5 子模板更新策略 | 第80-81页 |
| 4.4 实验结果与分析 | 第81-90页 |
| 4.4.1 跟踪结果 | 第81-88页 |
| 4.4.2 结果分析 | 第88-90页 |
| 4.5 本章小结 | 第90-92页 |
| 第五章 基于贝叶斯互信息的分布场跟踪算法 | 第92-114页 |
| 5.1 分布场的原理及其优势分析 | 第92-97页 |
| 5.1.1 分布场的表示 | 第92-93页 |
| 5.1.2 分布场的计算 | 第93-96页 |
| 5.1.3 分布场优势分析 | 第96-97页 |
| 5.2 基于贝叶斯互信息的匹配度量 | 第97-99页 |
| 5.2.1 互信息度量 | 第97-98页 |
| 5.2.2 贝叶斯互信息 | 第98-99页 |
| 5.3 基于灰度特征概率的贝叶斯互信息度量 | 第99-103页 |
| 5.3.1 贝叶斯先验概率密度估计 | 第100页 |
| 5.3.2 贝叶斯似然概率密度估计 | 第100-102页 |
| 5.3.3 结合特征概率先验的贝叶斯互信息匹配 | 第102-103页 |
| 5.4 基于加权融合爬山表决的跟踪 | 第103-105页 |
| 5.4.1 表决图的计算 | 第103-104页 |
| 5.4.2 模板更新 | 第104-105页 |
| 5.5 实验结果与分析 | 第105-113页 |
| 5.5.1 跟踪结果 | 第105-109页 |
| 5.5.2 结果分析 | 第109-113页 |
| 5.6 本章小结 | 第113-114页 |
| 第六章 成像导引头采集视频跟踪实验验证 | 第114-124页 |
| 6.1 成像导引头的组成结构及性能指标 | 第114-115页 |
| 6.1.1 成像导引头的组成结构 | 第114-115页 |
| 6.1.2 成像导引头性能指标 | 第115页 |
| 6.2 成像导引头跟踪算法测试步骤 | 第115-116页 |
| 6.3 室外采集视频实验测评 | 第116-118页 |
| 6.4 半实物仿真采集视频实验测评 | 第118-122页 |
| 6.4.1 半实物仿真视频采集系统介绍 | 第118-119页 |
| 6.4.2 惯导辅助跟踪 | 第119-121页 |
| 6.4.3 实验测评 | 第121-122页 |
| 6.5 本章小结 | 第122-124页 |
| 第七章 结论与展望 | 第124-128页 |
| 7.1 论文总结 | 第124-125页 |
| 7.2 研究展望 | 第125-128页 |
| 致谢 | 第128-130页 |
| 参考文献 | 第130-144页 |
| 作者在学期间取得的学术成果 | 第144-145页 |
