摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第15-27页 |
1.1 研究背景及意义 | 第15-16页 |
1.2 稀疏表示研究现状 | 第16-19页 |
1.2.1 稀疏表示基本原理 | 第16-17页 |
1.2.2 稀疏表示求解及字典构造 | 第17-19页 |
1.3 图像超分辨率与目标检测识别及跟踪研究现状 | 第19-24页 |
1.3.1 图像超分辨率 | 第19-21页 |
1.3.2 图像目标检测 | 第21-22页 |
1.3.3 图像目标识别 | 第22-23页 |
1.3.4 图像目标跟踪 | 第23-24页 |
1.4 论文的主要内容简介 | 第24-27页 |
第2章 基于组稀疏表示的图像超分辨率重建 | 第27-44页 |
2.1 引言 | 第27-28页 |
2.2 组稀疏表示图像超分辨率重建 | 第28-31页 |
2.2.1 组稀疏表示 | 第28-29页 |
2.2.2 组稀疏表示图像超分辨率 | 第29-30页 |
2.2.3 字典训练方法 | 第30-31页 |
2.3 实验结果与分析 | 第31-43页 |
2.3.1 字典训练 | 第31-33页 |
2.3.2 红外图像超分辨率 | 第33-37页 |
2.3.3 普通光学图像超分辨率 | 第37-39页 |
2.3.4 图像噪声鲁棒性测试 | 第39-42页 |
2.3.5 图像超分辨率方法时间测试 | 第42-43页 |
2.4 本章小结 | 第43-44页 |
第3章 基于元素与结构联合特征稀疏表示的目标检测 | 第44-62页 |
3.1 引言 | 第44页 |
3.2 元素特征与结构特征 | 第44-45页 |
3.3 ECCSR-SVM目标检测方法 | 第45-49页 |
3.3.1 ECC特征提取 | 第46-47页 |
3.3.2 基于稀疏表示的空间金字塔柱状图 | 第47-48页 |
3.3.3 基于SVM分类器的可信度图像目标检测 | 第48-49页 |
3.4 ECCSR-SVM方法检测汽车目标 | 第49-57页 |
3.4.1 汽车目标检测 | 第49-52页 |
3.4.2 ECCSR-SVM方法中各步骤作用测试 | 第52-56页 |
3.4.3 检测方法比较 | 第56-57页 |
3.5 ECCSR-SVM方法对其他目标检测 | 第57-61页 |
3.5.1 人脸目标检测 | 第57-59页 |
3.5.2 平面内旋转目标检测 | 第59-61页 |
3.6 本章小结 | 第61-62页 |
第4章 基于稀疏表示与支持向量机决策级融合的图像目标识别 | 第62-78页 |
4.1 引言 | 第62-65页 |
4.2 基于贝叶斯的FSR-C与SVM-C决策级融合 | 第65-68页 |
4.2.1 基于稀疏表示的快速目标识别 | 第65页 |
4.2.2 基于SVM的目标识别 | 第65-66页 |
4.2.3 基于贝叶斯的决策级融合 | 第66-68页 |
4.3 DFSS方法识别SAR图像目标 | 第68-75页 |
4.3.1 数据准备 | 第68-69页 |
4.3.2 DFSS方法识别精度测试 | 第69-73页 |
4.3.3 分类方法比较 | 第73-75页 |
4.4 DFSS方法识别人脸图像目标 | 第75-77页 |
4.5 本章小结 | 第77-78页 |
第5章 基于稀疏表示与主成分分析的鲁棒性目标跟踪 | 第78-99页 |
5.1 引言 | 第78-79页 |
5.2 粒子滤波跟踪框架 | 第79-80页 |
5.3 基于图像块的PCA-LSR观察模型 | 第80-85页 |
5.3.1 目标表示 | 第81页 |
5.3.2 观察模型相似性估计 | 第81-83页 |
5.3.3 观察模型更新 | 第83-84页 |
5.3.4 基于图像块的PCA-LSR目标跟踪 | 第84-85页 |
5.4 实验结果与分析 | 第85-98页 |
5.4.1 跟踪性能测试 | 第85-87页 |
5.4.2 不同跟踪方法性能比较 | 第87-95页 |
5.4.3 不同融合规则比较 | 第95-98页 |
5.5 本章小结 | 第98-99页 |
第6章 总结与展望 | 第99-102页 |
6.1 本文总结 | 第99-100页 |
6.2 研究展望 | 第100-102页 |
参考文献 | 第102-116页 |
致谢 | 第116-117页 |
附录A 攻读学位期间所发表的学术论文目录 | 第117页 |