| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题研究的背景和意义 | 第12页 |
| 1.2 粒子滤波的研究现状 | 第12-13页 |
| 1.3 本文研究内容 | 第13-19页 |
| 1.3.1 粒子滤波算法的优化 | 第13-14页 |
| 1.3.2 视频稳像算法 | 第14-15页 |
| 1.3.3 视频目标轮廓分割算法 | 第15-17页 |
| 1.3.4 视频目标跟踪问题 | 第17-19页 |
| 1.4 本文主要工作 | 第19-20页 |
| 1.5 本文组织结构 | 第20-22页 |
| 第2章 相关理论基础 | 第22-30页 |
| 2.1 贝叶斯估计问题 | 第22-24页 |
| 2.2 无参密度估计理论 | 第24-26页 |
| 2.2.1 参数密度估计 | 第24-25页 |
| 2.2.2 无参密度估计 | 第25-26页 |
| 2.3 曲线进化 | 第26-29页 |
| 2.3.1 变分原理 | 第26-27页 |
| 2.3.2 梯度下降理论 | 第27页 |
| 2.3.3 水平集理论 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 选择性迭代粒子滤波算法 | 第30-52页 |
| 3.1 粒子滤波算法基础理论 | 第30-35页 |
| 3.1.1 动态系统的状态估计问题 | 第30-31页 |
| 3.1.2 贝叶斯重要性采样 | 第31-33页 |
| 3.1.3 序贯重要性采样算法 | 第33-34页 |
| 3.1.4 重要密度函数的选择 | 第34-35页 |
| 3.2 基本粒子滤波算法 | 第35-39页 |
| 3.2.1 粒子滤波算法的核心思想 | 第35-37页 |
| 3.2.2 基本粒子滤波算法的描述 | 第37-38页 |
| 3.2.3 基本粒子滤波算法存在的问题 | 第38页 |
| 3.2.4 重采样方法 | 第38-39页 |
| 3.3 迭代粒子滤波 | 第39-46页 |
| 3.4 选择性迭代无迹粒子滤波 | 第46-48页 |
| 3.5 仿真实验 | 第48-50页 |
| 3.6 本章小结 | 第50-52页 |
| 第4章 基于粒子滤波的视频稳像 | 第52-66页 |
| 4.1 问题描述 | 第53页 |
| 4.2 运动估计问题 | 第53-57页 |
| 4.2.1 基于块匹配的运动估计 | 第53-55页 |
| 4.2.2 基于特征匹配的运动估计 | 第55-57页 |
| 4.3 基于粒子滤波的视频稳定化算法 | 第57-62页 |
| 4.3.1 基于特征点的运动估计 | 第59-61页 |
| 4.3.2 基于粒子滤波获得全局运动的精确估计 | 第61页 |
| 4.3.3 意向运动估计和非意向运动补偿 | 第61-62页 |
| 4.4 实验和结果 | 第62-64页 |
| 4.5 算法的局限性 | 第64-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第5章 基于粒子滤波的视频目标轮廓分割 | 第66-90页 |
| 5.1 主动轮廓模型 | 第68-75页 |
| 5.1.1 基于边缘的主动轮廓模型 | 第68-69页 |
| 5.1.2 基于区域的主动轮廓模型 | 第69-72页 |
| 5.1.3 带有形状先验的主动轮廓模型 | 第72-75页 |
| 5.2 基于形状先验的多目标分割主动轮廓模型 | 第75-83页 |
| 5.2.1 问题描述 | 第75-77页 |
| 5.2.2 算法流程 | 第77-81页 |
| 5.2.3 实验结果 | 第81-83页 |
| 5.3 基于粒子滤波和形状先验的视频运动目标轮廓分割 | 第83-89页 |
| 5.3.1 问题描述 | 第83-84页 |
| 5.3.2 算法流程 | 第84-86页 |
| 5.3.3 实验设置 | 第86-87页 |
| 5.3.4 实验结果及分析 | 第87-89页 |
| 5.4 本章小结 | 第89-90页 |
| 第6章 基于粒子滤波的视频目标跟踪 | 第90-112页 |
| 6.1 基于粒子滤波和均值偏移算法进行视频目标跟踪的一般框架 | 第92-97页 |
| 6.1.1 基于粒子滤波进行视频目标跟踪的一般框架 | 第92-93页 |
| 6.1.2 基于粒子滤波和均值偏移算法进行视频目标跟踪的一般框架 | 第93-97页 |
| 6.2 Camshift引导粒子滤波跟踪算法CGPF | 第97-99页 |
| 6.2.1 CGPF算法原理 | 第97-99页 |
| 6.2.2 CGPF算法流程 | 第99页 |
| 6.3 自适应Camshift引导的粒子滤波跟踪算法 | 第99-105页 |
| 6.3.1 Camshift算法 | 第99-103页 |
| 6.3.2 ACamshift算法 | 第103页 |
| 6.3.3 自适应Camshift引导粒子滤波跟踪算法ACGPF | 第103-105页 |
| 6.4 实验及数据分析 | 第105-111页 |
| 6.4.1 实验1 | 第105-108页 |
| 6.4.2 实验2 | 第108-111页 |
| 6.5 本章小结 | 第111-112页 |
| 第7章 工作总结和展望 | 第112-114页 |
| 7.1 工作总结 | 第112-113页 |
| 7.2 展望 | 第113-114页 |
| 参考文献 | 第114-122页 |
| 致谢 | 第122-124页 |
| 攻读博士学位期间发表的论文 | 第124-126页 |
