| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-22页 |
| ·课题研究背景与意义 | 第12-13页 |
| ·课题研究现状 | 第13-14页 |
| ·运动目标跟踪技术 | 第14-20页 |
| ·目标检测技术的分类及发展 | 第14-18页 |
| ·目标跟踪技术的分类及发展 | 第18-20页 |
| ·本文主要研究内容 | 第20-22页 |
| 第2章 最小 Tsallis 交叉熵视频对象分割算法 | 第22-41页 |
| ·视频对象分割的性能评价 | 第22-24页 |
| ·空间准确度评价 | 第22-24页 |
| ·时间一致性评价 | 第24页 |
| ·熵的概念 | 第24-28页 |
| ·熵理论的产生 | 第24页 |
| ·热力学中的熵 | 第24-25页 |
| ·信息熵 | 第25页 |
| ·最大熵 | 第25-26页 |
| ·最小交叉熵 | 第26-27页 |
| ·Tsallis 熵 | 第27-28页 |
| ·最小 Tsallis 交叉熵视频对象分割算法 | 第28-34页 |
| ·算法原理 | 第28页 |
| ·运动目标检测 | 第28-31页 |
| ·自适应阈值分割 | 第31-34页 |
| ·形态学修正及差分交集 | 第34页 |
| ·实验结果与分析 | 第34-40页 |
| ·最小 Tsallis 交叉熵改进前后实验对比 | 第34-35页 |
| ·算法的稳定性实验 | 第35-36页 |
| ·视频对象分割实验 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 基于标记的多尺度分水岭视频目标分割算法 | 第41-58页 |
| ·图像形态学概述 | 第41-46页 |
| ·膨胀和腐蚀 | 第41-42页 |
| ·膨胀和腐蚀的组合 | 第42-43页 |
| ·灰度级图像的形态学 | 第43-46页 |
| ·分水岭算法 | 第46-47页 |
| ·基于标记的多尺度分水岭视频目标分割算法 | 第47-53页 |
| ·算法原理 | 第47-48页 |
| ·多尺度形态学梯度分析 | 第48-51页 |
| ·标记的提取 | 第51-52页 |
| ·基于标记的分水岭分割 | 第52-53页 |
| ·实验结果与分析 | 第53-57页 |
| ·运动检测实验 | 第53页 |
| ·基于标记的分水岭分割实验 | 第53-55页 |
| ·实验分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 改进的 Hausdorff 跟踪算法 | 第58-84页 |
| ·图像运动跟踪 | 第58-65页 |
| ·图像跟踪的定义 | 第58-60页 |
| ·线性回归或稳健回归 | 第60-62页 |
| ·跟踪算法优化 | 第62-63页 |
| ·运动参数模型 | 第63-64页 |
| ·基于仿射模型的参数求解优化 | 第64-65页 |
| ·几种常用的跟踪算法 | 第65-75页 |
| ·质心算法 | 第65-66页 |
| ·Mean Shift 跟踪算法 | 第66-68页 |
| ·卡尔曼滤波跟踪 | 第68-72页 |
| ·Hausdorff 跟踪算法 | 第72-75页 |
| ·改进的 Hausdorff 跟踪算法 | 第75-78页 |
| ·算法原理 | 第75页 |
| ·运动目标估计 | 第75-76页 |
| ·权值分配 | 第76-77页 |
| ·模板更新 | 第77-78页 |
| ·实验结果与分析 | 第78-82页 |
| ·Ball 序列跟踪实验 | 第78-79页 |
| ·Hall monitor 序列跟踪实验 | 第79-81页 |
| ·跟踪实验分析 | 第81-82页 |
| ·本章小结 | 第82-84页 |
| 第5章 多信息融合的粒子滤波跟踪算法 | 第84-108页 |
| ·粒子滤波算法简介 | 第84-85页 |
| ·粒子滤波原理 | 第85-92页 |
| ·离散贝叶斯滤波系统 | 第85-86页 |
| ·蒙特卡洛采样 | 第86-87页 |
| ·贝叶斯重要性采样 | 第87-88页 |
| ·序列化重要性采样 | 第88-90页 |
| ·粒子滤波一般算法描述 | 第90-91页 |
| ·粒子数目 N 的选取 | 第91-92页 |
| ·粒子滤波的几种改进算法 | 第92-98页 |
| ·辅助粒子滤波 | 第92-93页 |
| ·高斯粒子滤波 | 第93-94页 |
| ·基于 EKF 的扩展粒子滤波 | 第94-96页 |
| ·Uncented 粒子滤波 | 第96-98页 |
| ·多信息融合的粒子滤波跟踪算法 | 第98-103页 |
| ·目标运动模型 | 第98-99页 |
| ·目标观测模型 | 第99-102页 |
| ·基于多信息融合的粒子滤波跟踪算法实现 | 第102-103页 |
| ·实验结果与分析 | 第103-107页 |
| ·实验一 | 第103-105页 |
| ·实验二 | 第105-106页 |
| ·实验三 | 第106页 |
| ·实验分析 | 第106-107页 |
| ·本章小结 | 第107-108页 |
| 第6章 鱼类游动跟踪与分析 | 第108-126页 |
| ·实验系统设计 | 第108-109页 |
| ·实验平台硬件组成 | 第108页 |
| ·实验平台软件组成 | 第108-109页 |
| ·鱼类目标检测与跟踪 | 第109-112页 |
| ·鱼类目标检测 | 第109-110页 |
| ·鱼类目标跟踪 | 第110-112页 |
| ·鱼类行为参数设定 | 第112-115页 |
| ·运动轨迹 | 第112-113页 |
| ·游动距离 | 第113页 |
| ·速度 | 第113-114页 |
| ·加速度 | 第114页 |
| ·游动方向 | 第114-115页 |
| ·鱼类行为理解与水质分析 | 第115-125页 |
| ·实验环境 | 第115页 |
| ·正常无污染水质 | 第115-117页 |
| ·酒精浓度为 5%的水质 | 第117-119页 |
| ·酒精浓度为 15%的水质 | 第119-121页 |
| ·洗洁剂浓度为 1%的水质 | 第121-123页 |
| ·敌敌畏浓度为 0.5%的水质 | 第123-125页 |
| ·本章小结 | 第125-126页 |
| 结论 | 第126-128页 |
| 参考文献 | 第128-137页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第137-138页 |
| 致谢 | 第138-139页 |
| 作者简介 | 第139页 |