声明
摘要
第1章 绪论
1.1 课题背景和意义
1.2 红外图像特点
1.3 国内外研究现状
1.4 本文主要研究内容
第2章 Mean Shift算法概述
2.1 引言
2.2 密度估计理论
2.2.1 参数密度估计
2.2.2 无参密度估计
2.3 Mean Shift理论
2.3.1 多维空间下的核函数
2.3.2 Mean Shift中的核密度估计
2.3.3 Mean Shift向量
2.3.4 Mean Shift算法
2.4 基于Mean Shift的目标跟踪
2.4.1 建立目标模型
2.4.2 建立候选目标模型
2.4.3 相似度函数
2.4.4 目标定位
2.4.5 算法流程
2.5 本章小结
第3章 改进Mean Shift跟踪算法
3.1 引言
3.2 背景加权算法
3.2.1 传统的背景加权Mean Shift算法
3.2.2 改进的背景加权Mean shift算法
3.2.3 实验结果与分析
3.3 结合灰度和纹理的算法
3.3.1 LBP纹理模型
3.3.2 灰度和纹理融合的Mean Shift算法
3.3.3 实验结果与分析
3.4 本章小结
第4章 尺度自适应的Mean ShiR跟踪算法
4.1 引言
4.2 Camshift中目标尺度和方向的估计
4.3 主成分分析确定目标尺度和方向
4.4 实验结果与分析
4.4.1 尺度变大时的跟踪
4.4.2 尺度变小时的跟踪
4.5 本章小结
第5章 总结和展望
5.1 论文工作总结
5.2 进一步研究方向
致谢
参考文献
附录