| 摘要 | 第10-11页 |
| Abstract | 第11-12页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题背景及研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 车载成像典型应用系统 | 第14-15页 |
| 1.2.2 成像目标跟踪算法概述 | 第15-17页 |
| 1.2.3 车载周视成像目标跟踪简介 | 第17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 论文的结构安排 | 第18-21页 |
| 第二章 异源成像特性分析及预处理介绍 | 第21-38页 |
| 2.1 成像系统说明 | 第21-23页 |
| 2.2 成像特性分析 | 第23-26页 |
| 2.2.1 红外与可见光成像特点 | 第23页 |
| 2.2.2 红外与可见光成像区别 | 第23-24页 |
| 2.2.3 红外与可见光成像互补特性分析 | 第24-26页 |
| 2.3 图像预处理方法简介 | 第26-35页 |
| 2.3.1 可见光彩色图像转化为灰度图像 | 第26-27页 |
| 2.3.2 图像滤波 | 第27-29页 |
| 2.3.3 感兴趣区域（Region Of Interest,ROI）提取 | 第29-35页 |
| 2.4 异类异步成像目标跟踪的处理框架设计 | 第35-37页 |
| 2.4.1 车载周视成像目标跟踪面临问题的分析 | 第35-36页 |
| 2.4.2 处理上的特殊要求及解决方案 | 第36-37页 |
| 2.5 小结 | 第37-38页 |
| 第三章 基于Mean Shift原理的可见光图像面目标跟踪 | 第38-50页 |
| 3.1 Mean Shift基本原理 | 第38-42页 |
| 3.1.1 核密度估计 | 第38-40页 |
| 3.1.2 均值漂移向量 | 第40-41页 |
| 3.1.3 均值漂移收敛性分析 | 第41-42页 |
| 3.2 Mean Shift在可见光图像跟踪中的应用 | 第42-45页 |
| 3.2.1 模型建立 | 第42-43页 |
| 3.2.2 相似度度量 | 第43页 |
| 3.2.3 目标定位 | 第43-44页 |
| 3.2.4 Mean Shift在可见光图像中的算法流程 | 第44-45页 |
| 3.3 Mean Shift的优缺点及改进 | 第45-46页 |
| 3.4 实验结果与分析 | 第46-49页 |
| 3.5 小结 | 第49-50页 |
| 第四章 结合Mean Shift的车载周视红外目标跟踪 | 第50-62页 |
| 4.1 Mean Shift在红外图像中的适应性改进 | 第50-51页 |
| 4.2 Mean Shift对车载周视红外图像目标跟踪的适应性应用 | 第51-57页 |
| 4.2.1 柔性多特征融合模板 | 第51-53页 |
| 4.2.2 双模板构建及渐进更新 | 第53-55页 |
| 4.2.3 MS与由粗到精搜索相结合的跟踪 | 第55-57页 |
| 4.3 改进的MS红外图像跟踪算法流程 | 第57-58页 |
| 4.4 实验结果与分析 | 第58-61页 |
| 4.5 小结 | 第61-62页 |
| 第五章 同轴异步红外可见光成像融合跟踪 | 第62-78页 |
| 5.1 异类成像融合方法简述 | 第62-64页 |
| 5.1.1 图像融合流程 | 第62页 |
| 5.1.2 图像融合的层次 | 第62-64页 |
| 5.2 基于互信息的异类图像相关性度量 | 第64-66页 |
| 5.2.1 互信息的基本原理 | 第64-65页 |
| 5.2.2 基于互信息的相关性计算 | 第65页 |
| 5.2.3 基于HOG的互信息相关性（HOG-MI）计算 | 第65-66页 |
| 5.3 异步融合方法设计 | 第66-73页 |
| 5.3.1 基于红外指引的可见光目标跟踪 | 第66-67页 |
| 5.3.2 可见光辅助判断算法 | 第67-72页 |
| 5.3.3 红外与可见光图像融合跟踪流程 | 第72-73页 |
| 5.4 实验结果与分析 | 第73-76页 |
| 5.5 小结 | 第76-78页 |
| 第六章 总结与展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 作者在学期间取得的学术成果 | 第86页 |
