| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-17页 |
| §1.1 研究背景和意义 | 第7页 |
| §1.2 图像跟踪方法研究 | 第7-10页 |
| §1.2.1 基于对比度的跟踪方法 | 第8页 |
| §1.2.2 基于区域相关的跟踪方法 | 第8页 |
| §1.2.3 基于特征点的跟踪方法 | 第8-9页 |
| §1.2.4 基于变形模板的跟踪算法 | 第9页 |
| §1.2.5 基于光流的跟踪算法 | 第9-10页 |
| §1.3 光流的计算方法 | 第10-15页 |
| §1.3.1 微分法 | 第10-11页 |
| §1.3.2 匹配法 | 第11-12页 |
| §1.3.3 基于能量的方法 | 第12-13页 |
| §1.3.4 基于相位的方法 | 第13-14页 |
| §1.3.5 神经动力学方法 | 第14-15页 |
| §1.4 本文的主要内容安排 | 第15-17页 |
| 第二章 角点检测 | 第17-29页 |
| §2.1 引言 | 第17页 |
| §2.2 基于曲率的角点检测算法 | 第17-20页 |
| §2.3 PLESSY角点检测算法 | 第20页 |
| §2.4 角点检测算法的评价方法 | 第20-22页 |
| §2.5 角点检测算法的实验分析 | 第22-27页 |
| §2.6 本章小结 | 第27-29页 |
| 第三章 光流算法用于复杂背景下的运动目标提取和跟踪 | 第29-43页 |
| §3.1 引言 | 第29-30页 |
| §3.2 光流算法原理 | 第30-33页 |
| §3.2.1 光流和运动场 | 第30-31页 |
| §3.2.2 光流的约束方程 | 第31-32页 |
| §3.2.3 光流计算 | 第32-33页 |
| §3.3 五点约束最小二乘法估计光流速度场 | 第33-35页 |
| §3.3.1 高斯滤波平滑 | 第33-34页 |
| §3.3.2 选取置信点 | 第34-35页 |
| §3.3.3 最小二乘法求解超定光流约束方程 | 第35页 |
| §3.4 误差分析 | 第35-36页 |
| §3.5 实验分析 | 第36-42页 |
| §3.5.1 两种光流算法实验结果 | 第36-38页 |
| §3.5.2 算法比较 | 第38-39页 |
| §3.5.3 运动目标跟踪 | 第39-42页 |
| §3.6 本章小结 | 第42-43页 |
| 第四章 一种新的基于特征光流的运动目标跟踪算法研究 | 第43-62页 |
| §4.1 引言 | 第43页 |
| §4.2 一种新的基于矩特征和特征光流的运动目标跟踪方法 | 第43-49页 |
| §4.2.1 算法流程 | 第44页 |
| §4.2.2 角点检测 | 第44-45页 |
| §4.2.3 矩特征提取 | 第45-46页 |
| §4.2.4 角点匹配 | 第46-48页 |
| §4.2.5 光流聚类 | 第48-49页 |
| §4.3 仿真实验与结果分析 | 第49-61页 |
| §4.3.1 杨杨等人的算法介绍 | 第49-50页 |
| §4.3.2 仿真结果比较分析 | 第50-61页 |
| §4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 发表文章 | 第69-70页 |
| 致谢 | 第70-71页 |
| 西北工业大学 学位论文知识产权声明书 | 第71页 |
| 西北工业大学学位论文原创性声明 | 第71页 |
