基于结构稀疏的目标识别与跟踪方法研究

目录

声明

缩略词表

第一章 绪 论

1.1 研究背景与意义

1.2 国内外研究现状与发展动态

1.2.1 目标识别技术

1.2.2 目标跟踪技术

1.3 本文研究内容及技术路线

1.4 论文的结构安排

第二章 结构稀疏理论基础

2.1 稀疏编码的数学模型

2.2 结构稀疏表示模型

2.2.1 块结构稀疏

2.2.2 联合稀疏

2.2.3 图引导稀疏

2.2.4 组稀疏

2.3 优化求解方法

2.3.1 正交匹配追踪法

2.3.2 近端梯度下降法

2.3.3 交替方向乘子法

2.3.4 平滑l0范数法

2.4 结构稀疏表示模型中的目标分类准则

2.4.1 残差法

2.4.2 稀疏表示系数的结构性

2.5 本章小节

第三章 基于数据驱动的自适应局部结构稀疏表示目标识别方法

3.1 概述

3.2 基于自适应局部结构稀疏表示模型的分类方法

3.3.1 模型构建

3.3.2 优化求解方法

3.3.3 分类准则

3.4.1 实验环境搭建

3.4.2 Yale数据集识别结果

3.4.3 参数分析

3.4.4 跟踪前的目标识别

3.5 本章小结

第四章 基于反向联合稀疏表示与模板时空信息的目标跟踪方法

4.1 概述

4.2 粒子滤波跟踪框架

4.3 反向稀疏表示模型

4.4.1 目标表观模型建立

4.4.2 基于平滑l0,2范数的优化求解方法

4.4.3 计算复杂度分析

4.4.4 候选目标的筛选与度量

4.5.1 实验环境搭建

4.5.2 自我验证实验

4.5.3 定量分析

4.5.4 定性分析

4.6 本章小节

第五章 基于高层语义掩膜稀疏表示模型的热红外目标跟踪

5.1 概述

5.2 掩膜模板的生成

5.2.1 深度神经网络结构

5.2.2 特征通道选择层的训练

5.3.1 字典构建

5.3.2 掩膜稀疏表示

5.3.3 基于ADMM的优化求解方法

5.4.1 判别粒子生成

5.4.2 候选目标相似性度量

5.4.3 字典与掩膜模板的更新

5.5.1 实验环境搭建

5.5.2 评价准则介绍

5.5.3 优化方法中的参数分析

5.5.4 定量分析

5.5.5 定性分析

5.6 本章小节

第六章 自下而上与自顶向下相结合的目标跟踪框架

6.1 概述

6.2.1 自下而上部分

6.2.2 自顶向下部分

6.2.3 二者的集成

6.3.1 集成跟踪框架概述

6.3.2 模板的初始化与更新

6.3.3 基于图约束的稀疏编码模型优化求解

6.4.1 实验环境搭建

6.4.2 总体性能评价

6.4.3 自我验证实验

6.4.4 定性分析

6.4.5 计算复杂度分析

6.4.6 讨论

6.5 本章小节

第七章 全文总结与展望

7.1.1 工作总结

7.1.2 创新点及主要贡献

7.2 后续工作展望

致谢

参考文献

攻读博士学位期间取得的成果