流形粒子滤波算法及其在视频目标跟踪中的应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

流形粒子滤波算法及其在视频目标跟踪中的应用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1章 绪论1

1.1 粒子滤波的发展和应用2

1.2 视频目标的检测与跟踪5

1.2.1 跟踪目标的视觉特征5

1.2.2 常用的视频目标检测方法7

1.2.3 常用的视频目标跟踪方法10

1.2.4 视频目标跟踪的应用14

1.3 粒子滤波在视频目标跟踪中的应用15

1.3.1 基于粒子滤波的视频目标跟踪研究现状15

1.3.2 基于粒子滤波的视觉跟踪的难点16

1.4 基于微分流形粒子滤波的视频跟踪研究18

1.5 主要的公共视频数据库20

1.6 本书的主要工作22

第2章 视频目标的检测与特征提取25

2.1 引言25

2.2 运动目标检测方法25

2.2.1 光流计算法25

2.2.2 背景消减法27

2.2.3 帧间差分法27

2.3 运动目标的特征提取28

2.3.1 颜色特征提取28

2.3.2 纹理特征提取32

2.3.3 运动边缘特征提取34

第3章 目标的表观模型35

3.1 模板35

3.2 活动轮廓模型36

3.3 直方图36

3.3.1 直方图密度估计37

3.3.2 空间直方图38

3.3.3 加权颜色直方图39

3.4 核密度估计40

3.5 混合高斯模型41

3.5.1 混合高斯模型的数学描述41

3.5.2 背景模型的更新43

第4章 基于粒子滤波算法的视频目标跟踪45

4.1 贝叶斯估计理论45

4.1.1 动态系统的状态模型45

4.1.2 贝叶斯定理46

4.1.3 贝叶斯滤波47

4.1.4 蒙特卡罗方法48

4.1.5 序贯重要性采样49

4.1.6 重采样技术51

4.2 粒子滤波算法52

4.2.1 标准粒子滤波算法53

4.2.2 标准粒子滤波的缺点54

4.2.3 各种改进的粒子滤波算法58

4.3 基于粒子滤波的视频目标跟踪方法61

4.3.1 概率跟踪方法的数学描述61

4.3.2 粒子滤波视频跟踪的状态模型62

4.3.3 粒子滤波视频跟踪的观测模型63

4.3.4 粒子滤波跟踪实验结果与分析65

第5章 基于Mean Shift的粒子滤波跟踪69

5.1 Mean Shift概述69

5.2 Mean Shift基本理论及其扩展形式70

5.2.1 Mean Shift向量70

5.2.2 扩展Mean Shift71

5.2.3 概率密度梯度73

5.3 基本Mean Shift算法74

5.4 Mean Shift在目标跟踪中的应用75

5.4.1 目标描述和匹配准则75

5.4.2 Mean Shift跟踪77

5.4.3 跟踪算法流程78

5.5 嵌入Mean Shift算法的粒子滤波视频目标跟踪78

5.5.1 系统动态模型的设计79

5.5.2 系统观测模型的设计79

5.5.3 目标定位80

5.5.4 Mean Shift粒子聚类80

5.6 实验及分析82

第6章 基于自适应流形粒子滤波算法的红外小目标跟踪84

6.1 红外小目标检测和跟踪方法概述85

6.1.1 红外小目标跟踪技术85

6.1.2 红外小目标检测技术86

6.2 复杂背景下红外小目标图像的预处理算法87

6.2.1 红外图像的组成87

6.2.2 频域高通滤波法88

6.2.3 低通滤波器88

6.2.4 中值滤波89

6.2.5 基于数学形态学滤波的红外图像预处理89

6.2.6 红外图像预处理仿真实验92

6.3 基于自适应粒子滤波算法的红外小目标跟踪96

6.3.1 基于粒子滤波算法的红外目标跟踪步骤97

6.3.2 基于自适应粒子滤波算法的红外小目标跟踪98

6.4 基于自适应流形粒子滤波的制导红外小目标跟踪方法107

6.4.1 流形基础知识108

6.4.2 基于自适应流形粒子滤波的红外小目标跟踪方法109

第7章 基于流形聚类粒子滤波算法的视频目标跟踪118

7.1 聚类算法119

7.1.1 聚类的定义119

7.1.2 聚类算法的分类120

7.2 最大模糊熵高斯聚类粒子滤波算法（iMC-PF）121

7.2.1 最大模糊熵高斯聚类121

7.2.2 最大模糊熵高斯聚类粒子滤波算法步骤122

7.3 粒子稀疏化聚类123

7.3.1 粒子稀疏化聚合重采样123

7.3.2 粒子交叉聚合124

7.4 双重采样自适应粒子滤波算法（DR－PF）124

7.4.1 基于观测新息的重采样分布方案124

7.4.2 双重采样自适应粒子滤波算法步骤125

7.5 仿真实验及分析127

7.5.1 DR/GPS组合系统模型127

7.5.2 仿真实验及结果分析127

7.6 流形学习聚类粒子滤波算法131

7.6.1 流形学习132

7.6.2 拉普拉斯特征映射134

7.6.3 局部线性嵌入算法134

7.6.4 增量式LLE聚类粒子滤波（ILLE－DR－PF）算法138

7.6.5 仿真实验及分析140

7.7 流形聚类粒子滤波算法142

7.7.1 流形聚类142

7.7.2 流形聚类方法144

7.7.3 几何能量聚类145

7.7.4 Grassmann流形粒子滤波148

7.7.5 基于几何能量的流形聚类粒子滤波149

7.7.6 仿真实验及分析150

第8章 基于李群粒子滤波算法的视频目标跟踪156

8.1 流形156

8.1.1 流形的定义156

8.1.2 流形的距离157

8.2 李群流形理论基础158

8.2.1 李群和李代数158

8.2.2 李群指数映射158

8.2.3 李群几何优化159

8.3 李群结构的矩阵协方差描述160

8.3.1 目标图像多特征提取160

8.3.2 协方差的相似度匹配162

8.4 李群流形上的粒子滤波算法162

8.4.1 将射影变换表示为李群162

8.4.2 李群状态模型163

8.4.3 李群观测模型164

8.5 李群粒子滤波算法流程165

8.6 实验结果与分析166

第9章 基于李群最优重要性函数粒子滤波算法的视频目标跟踪172

9.1 最优重要性密度函数172

9.2 基于流形建议分布的粒子滤波器173

9.2.1 基于Stiefel流形的粒子滤波器174

9.2.2 基于黎曼流形的粒子滤波174

9.3 黎曼均值174

9.3.1 基于黎曼度量的正定对称阵175

9.3.2 改进李群结构的黎曼流形175

9.4 李群正态分布175

9.4.1 李群上的不变度量和测地线176

9.4.2 李群协方差矩阵算法176

9.4.3 基于李群指数映射的正态分布177

9.5 基于李群正态分布的粒子滤波算法178

9.6 实验结果与分析178

参考文献183