基于HOG特征的船舶识别跟踪算法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10页 |
| 1.2 目标识别与跟踪算法发展现状 | 第10-13页 |
| 1.2.1 目标特征提取方法 | 第11页 |
| 1.2.2 目标识别方法 | 第11-12页 |
| 1.2.3 目标跟踪算法 | 第12-13页 |
| 1.3 论文结构安排与主要内容 | 第13-16页 |
| 第2章 船舶目标特征的提取 | 第16-30页 |
| 2.1 目标特征 | 第16-20页 |
| 2.1.1 角点特征 | 第17-19页 |
| 2.1.2 HOG特征 | 第19-20页 |
| 2.2 船舶目标HOG特征的提取 | 第20-29页 |
| 2.2.1 图像预处理与图像梯度的计算 | 第20-23页 |
| 2.2.2 统计梯度幅度与梯度方向 | 第23-27页 |
| 2.2.3 特征向量归一化 | 第27-29页 |
| 2.2.4 特征向量的整合 | 第29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 基于船舶HOG特征的分类识别 | 第30-46页 |
| 3.1 SVM的工作原理 | 第30-39页 |
| 3.1.1 函数间隔 | 第30-32页 |
| 3.1.2 几何间隔 | 第32-34页 |
| 3.1.3 对偶问题 | 第34-37页 |
| 3.1.4 核函数 | 第37-39页 |
| 3.2 SVM分类识别船舶HOG特征 | 第39-45页 |
| 3.2.1 船舶目标灰度特征分析 | 第40-41页 |
| 3.2.2 船舶目标HOG特征分析 | 第41-44页 |
| 3.2.3 船舶分类识别实验 | 第44-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第4章 改进的基于船舶HOG特征的分类识别 | 第46-66页 |
| 4.1 模型复杂度与训练数据集大小的研究 | 第46-50页 |
| 4.1.1 船舶HOG特征分类模型复杂度的研究 | 第46-47页 |
| 4.1.2 训练数据集大小的选取 | 第47-50页 |
| 4.2 SFS去除船舶HOG特征掺杂的噪声 | 第50-52页 |
| 4.2.1 SFS的工作原理 | 第51页 |
| 4.2.2 SFS去除船舶HOG特征掺杂噪声 | 第51-52页 |
| 4.3 改进的SFS去除船舶HOG掺杂噪声 | 第52-62页 |
| 4.3.1 SFS去除船舶HOG掺杂噪声的缺陷 | 第52-54页 |
| 4.3.2 船舶HOG特征得分系统的建立 | 第54-60页 |
| 4.3.3 最优特征位的确定 | 第60-62页 |
| 4.4 船舶分类识别实验 | 第62-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第5章 船舶目标识别跟踪算法的设计与实验 | 第66-76页 |
| 5.1 跟踪识别算法的构建 | 第66-73页 |
| 5.1.1 STC跟踪算法 | 第66-70页 |
| 5.1.2 STC跟踪算法的改进 | 第70-73页 |
| 5.1.3 识别跟踪算法的设计 | 第73页 |
| 5.2 船舶识别跟踪实验 | 第73-74页 |
| 5.3 本章小结 | 第74-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 工作总结 | 第76-77页 |
| 6.2 未来工作展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 作者简介 | 第84页 |
