| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 特征提取 | 第12页 |
| 1.2.2 跟踪策略 | 第12页 |
| 1.2.3 模板更新 | 第12-13页 |
| 1.3 本文主要内容以及结构安排 | 第13-15页 |
| 1.3.1 本文主要内容 | 第13-14页 |
| 1.3.2 本论文的结构安排 | 第14-15页 |
| 第二章 稀疏表示理论 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 稀疏表示模型 | 第15-16页 |
| 2.3 字典的构造和设计 | 第16-20页 |
| 2.3.1 解析字典 | 第18-20页 |
| 2.3.2 学习字典 | 第20页 |
| 2.4 稀疏分解 | 第20-24页 |
| 2.4.1 松弛优化算法 | 第21-22页 |
| 2.4.2 贪婪跟踪算法 | 第22-23页 |
| 2.4.3 组合优化算法 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于稀疏度自适应的图像重构算法 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 图像重构原理 | 第25-26页 |
| 3.3 几种常用图像重构算法 | 第26-30页 |
| 3.3.1 基跟踪（Basis Pursuit, BP） | 第26-27页 |
| 3.3.2 匹配跟踪算法（Matching Pursuit, MP） | 第27-28页 |
| 3.3.3 正交匹配跟踪算法（Orthogonal Matching Pursuit, OMP） | 第28-29页 |
| 3.3.4 分段正交匹配跟踪 (stage-wise OMP) | 第29-30页 |
| 3.4 稀疏自适应图像重构算法 | 第30-38页 |
| 3.4.1 改进后的重构算法 | 第30-32页 |
| 3.4.2 实验与分析 | 第32-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于Gabor字典的稀疏表示跟踪算法 | 第39-52页 |
| 4.1 引言 | 第39页 |
| 4.2 仿射变换 | 第39-42页 |
| 4.3 Gabor特征字典构造 | 第42-44页 |
| 4.4 改进的稀疏表示跟踪算法 | 第44-45页 |
| 4.5 实验与分析 | 第45-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 基于L1跟踪的遮挡目标快速重构算法 | 第52-64页 |
| 5.1 引言 | 第52页 |
| 5.2 粒子滤波算法 | 第52-54页 |
| 5.3 L1跟踪算法 | 第54-56页 |
| 5.4 改进的遮挡目标快速重构算法 | 第56-59页 |
| 5.4.1 遮挡稀疏学习 | 第56-58页 |
| 5.4.2 目标字典更新 | 第58-59页 |
| 5.5 实验与分析 | 第59-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻硕期间取得的研究成果 | 第72-73页 |
