文摘
英文文摘
声明及学位论文使用授权声明
1绪论
1.1本课题的理论意义和应用价值
1.2视觉跟踪国内外研究动态
1.3基于偏微分方程(PDE)的图像处理研究动态
1.4论文研究的主要内容
2基于PDE的图像分析经典算法综述
2.1水平集(level set)表示
2.1.1基本概念
2.1.2 level set的经典数值解法
2.1.3重新初始化水平集函数
2.2测地线活动轮廓模型
2.3基于Mumford-Shah模型的图像分割
2.3.1基本的Mumford-Shah分割模型
2.3.2无需边缘的活动轮廓模型
2.3.3多相的M-S模型图像分割方法
2.4小结
3传统的运动目标跟踪方法
3.1差分运动分析方法
3.2光流
3.2.1光流的基本约束方程
3.2.2光流的计算技术
3.3卡尔曼滤波
3.3.1 Kalman滤波理论
3.3.2离散模型卡尔曼滤波基本方程
3.3.3基于Kalman滤波的跟踪算法
3.4粒子滤波
3.4.1问题描述
3.4.2蒙特卡洛方法
3.4.3粒子滤波算法描述
3.4.4在视觉跟踪上的应用
3.5主动形状模型
3.5.1蛇形(snake)
3.5.2变形模板
3.5.3动态轮廓
3.6小结
4基于光流估计及M-S模型的运动目标跟踪
4.1本文跟踪算法的基本思想
4.2使用光流估计评价目标及背景概率
4.3使用level set构架最小化跟踪能量
4.4用以最小化能量函数的扫描算法
4.4.1 Song的快速算法
4.4.2改进的快速扫描算法
4.5算法实现
4.6结果与分析
4.6.1实验结果
4.6.2实验结果分析
4.7小结
5结束语
致谢
参考文献