复杂环境下的鲁棒目标检测与跟踪【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

复杂环境下的鲁棒目标检测与跟踪PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 绪论1

1.1 选题背景及研究意义1

1.2 研究现状2

1.2.1 弱小目标检测方法研究现状2

1.2.2 有纹理目标跟踪方法研究现状7

1.3 研究难点14

1.4 研究成果及创新点15

1.5 本书结构安排16

第二章 图像预处理及时空域的弱小目标检测18

2.1 引言18

2.2 小波域帧转移型CCD传感器Smear效应消除方法19

2.2.1 帧转移Smear效应分析20

2.2.2 小波变换及Haar小波21

2.2.3 Smear效应消除算法23

2.2.4 实验及结果分析25

2.3 基于迭代最优化距离分类与轨迹关联的弱小目标检测方法27

2.3.1 空间光学图像模型27

2.3.2 单帧图像分割28

2.3.3 星点连通区及特征提取29

2.3.4 基于迭代最优化距离分类的候选目标检测30

2.3.5 轨迹关联及虚假目标去除32

2.3.6 实验及结果分析34

2.4 小结39

第三章 基于变换域的弱小目标检测40

3.1 引言40

3.2 基于2D-1D各向同性非抽取小波变换的弱小目标检测41

3.2.1 正交小波变换与非抽取小波变换41

3.2.2 基于2D-1D IUWT检测弱小目标43

3.2.3 实验及结果分析47

3.3 基于压缩感知的空间弱小目标检测50

3.3.1 压缩感知与空间图像51

3.3.2 前景的稀疏测量55

3.3.3 目标检测算法56

3.3.4 重建与精确定位57

3.3.5 实验及结果分析58

3.4 小结61

第四章 基于加权在线结构化学习的目标跟踪63

4.1 引言63

4.2 具有结构化输出的基于检测的目标跟踪64

4.2.1 结构化最大间隔学习64

4.2.2 LaRank算法训练结构化SVM67

4.2.3 基于结构化输出的目标跟踪73

4.3 加权在线学习75

4.3.1 WOL问题75

4.3.2 单例加权算法76

4.3.3 小型批量加权桥接算法77

4.3.4 加权蓄水池采样算法79

4.3.5 实验及结果分析81

4.4 基于加权结构化在线学习的多目标跟踪86

4.4.1 结构化多目标跟踪框架88

4.4.2 在线优化结构化多目标分类器89

4.4.3 贪心推理96

4.4.4 加权的目标跟踪97

4.4.5 实验及结果分析98

4.5 小结116

第五章 基于部件及隐结构化在线学习的目标跟踪118

5.1 引言118

5.2 判决式学习部件模型119

5.2.1 部件模型119

5.2.2 包含隐变量的结构化学习124

5.3 基于未知部件的鲁棒目标跟踪125

5.3.1 目标表示建模125

5.3.2 隐变量Pegasos在线学习127

5.3.3 两阶段优化129

5.3.4 目标跟踪算法131

5.4 实验及结果分析131

5.4.1 实验设置132

5.4.2 两种学习模型结果对比133

5.4.3 有无部件的跟踪结果对比134

5.4.4 不同初始化方法结果对比137

5.4.5 与其他跟踪算法结果对比138

5.5 小结143

第六章 总结与展望145

6.1 本书工作总结145

6.2 研究展望147

参考文献149