《面向强噪声场景的低秩稀疏学习视觉目标跟踪方法》求取 ⇩

第1章绪论1

1.1 强噪声场景下视觉目标跟踪的研究意义1

1.2研究现状分析2

1.2.1 变分图像去噪方法研究现状3

1.2.2 分数阶微积分理论在图像处理应用中的研究现状7

1.2.3 低秩稀疏学习目标跟踪方法研究现状8

1.3 本书的主要工作11

第2章变分问题的基本计算方法15

2.1 引言15

2.2正则化参数的调整算法16

2.2.1 广义交叉验证法16

2.2.2 L曲线方法17

2.2.3 全局方差估计法18

2.2.4 局部方差估计法19

2.3典型的变分数值算法21

2.3.1 梯度下降法21

2.3.2 投影法22

2.3.3 快速阈值收缩迭代法24

2.3.4 加权范数迭代法26

2.3.5 MM算法27

第3章基于变分理论的自适应原始对偶去噪算法30

3.1 引言30

3.2ROF模型及其变换形式31

3.2.1 ROF模型31

3.2.2 ROF原始对偶模型32

3.3数值算法33

3.3.1 基于预解式的原始对偶算法33

3.3.2 几种相似算法的关系性分析34

3.3.3 自适应原始对偶去噪算法的描述36

3.3.4 收敛性分析37

3.3.5 参数选择38

3.4数值实验与分析40

3.4.1 算法性能的分析与比较41

3.4.2 正则化参数调整策略的分析与比较42

3.5 本章小结46

第4章基于分数阶变分理论的加性噪声去除算法48

4.1 引言48

4.2分数阶微积分的定义49

4.2.1 Grünwald-Letnikov分数阶微积分49

4.2.2 Riemann-Liouville分数阶微积分50

4.2.3 Caputo分数阶微积分51

4.2.4 Fourier变换域的分数阶微积分52

4.3 分数阶去噪模型的提出53

4.4数值算法55

4.4.1 算法描述55

4.4.2 收敛性分析57

4.4.3 参数选择57

4.5数值实验与分析59

4.5.1 正则化参数选取策略的分析与比较59

4.5.2 算法性能的分析与比较63

4.5.3 去噪性能的分析与比较65

4.6 本章小结73

第5章基于分数阶变分理论的乘性噪声去除算法74

5.1 引言74

5.2几种乘性变分去噪模型及其相关性分析75

5.2.1 SO模型75

5.2.2 I-divergence模型76

5.2.3 Weberized模型76

5.2.4 模型的相关性分析76

5.3 分数阶I-divergence模型的提出77

5.4数值算法79

5.4.1 算法描述79

5.4.2 收敛性分析81

5.4.3 参数选择81

5.5数值实验与分析83

5.5.1 正则化参数的选取83

5.5.2 算法的性能分析与比较86

5.5.3 模型的性能分析与比较88

5.6 本章小结95

第6章基于分数阶边缘检测的目标分割算法96

6.1 引言96

6.2整数阶边缘检测算子97

6.2.1 Sobel算子97

6.2.2 Laplacian算子98

6.3分数阶边缘检测算子的提出99

6.3.1 分数阶Sobel算子99

6.3.2 分数阶Laplacian算子101

6.4 阈值选取102

6.5数值实验与分析102

6.5.1 分数阶微分阶次的选取102

6.5.2 分数阶微分展开项数的选取103

6.5.3 分数阶Sobel算子的性能分析105

6.5.4 分数阶Laplacian算子的性能分析107

6.6 本章小结109

第7章基于分数阶变分的目标分割模型及算法110

7.1 引言110

7.2 CV模型111

7.3 分数阶CV模型的提出112

7.4数值算法113

7.4.1 能量优化和水平集描述113

7.4.2 数值离散114

7.4.3 算法描述116

7.5数值实验与分析117

7.5.1 灰度均匀图像的目标分割117

7.5.2 灰度不均匀图像的目标分割118

7.6 本章小结121

第8章具有融合罚约束的低秩结构化稀疏表示目标跟踪算法122

8.1 引言122

8.2 稀疏模型123

8.3 低秩模型125

8.4目标跟踪框架126

8.4.1 基于粒子滤波的运动模型126

8.4.2 具有融合罚约束的低秩结构化稀疏表示模型127

8.4.3 观测模型128

8.4.4 在线优化机制129

8.4.5 模板直方图更新策略131

8.5实验结果与分析131

8.5.1 范数空间建模对稀疏表示系数的影响131

8.5.2 目标跟踪效果的比较132

8.6 本章小结135

第9章反向低秩稀疏约束下的融合Lasso目标跟踪算法136

9.1 引言136

9.2目标表示模型137

9.2.1 粒子滤波框架137

9.2.2 融合Lasso模型137

9.2.3 反向低秩稀疏约束下的融合Lasso模型138

9.3在线跟踪优化策略140

9.3.1 数值算法140

9.3.2 模板更新机制141

9.4实验结果与分析141

9.4.1 定性实验142

9.4.2 定量实验145

9.5 本章小结147

第10章变分调整约束下的反向低秩稀疏学习目标跟踪算法149

10.1 引言149

10.2问题描述150

10.2.1 运动模型150

10.2.2 表观模型150

10.2.3 观测模型151

10.3在线优化152

10.3.1 数值算法152

10.3.2 模板更新机制153

10.4实验结果与分析154

10.4.1 定性实验154

10.4.2 定量实验158

10.5 本章小结160

第11章基于反向低秩稀疏学习和分数阶变分调整的目标跟踪算法162

11.1 引言162

11.2 分数阶变分调整约束下的反向低秩稀疏表示模型163

11.3 在线跟踪算法164

11.4实验结果与分析166

11.4.1 定性实验166

11.4.2 定量实验176

11.5 本章小结181

参考文献182

2020《面向强噪声场景的低秩稀疏学习视觉目标跟踪方法》由于是年代较久的资料都绝版了,几乎不可能购买到实物。如果大家为了学习确实需要,可向博主求助其电子版PDF文件。对合法合规的求助,我会当即受理并将下载地址发送给你。

高度相关资料

噪声(1982 PDF版)
噪声
1982 北京:科学出版社
法眼跟踪( PDF版)
法眼跟踪
新华出版社
低噪声空压机的声学设计( PDF版)
低噪声空压机的声学设计
深凹露天矿大气污染的危害与防治( PDF版)
深凹露天矿大气污染的危害与防治
噪声与噪声控制( PDF版)
噪声与噪声控制
面向目标的编程设计 C++ 举例(1991 PDF版)
面向目标的编程设计 C++ 举例
1991 北京市新闻出版局
电子系统噪声及低噪声设计方法(1984 PDF版)
电子系统噪声及低噪声设计方法
1984 长春:吉林人民出版社
噪声(1985 PDF版)
噪声
1985 北京:人民卫生出版社
姑妄言  上(1999 PDF版)
姑妄言 上
1999 北京:中国文联出版公司
生产噪声及其防止的方法(1958 PDF版)
生产噪声及其防止的方法
1958 科技卫生出版社
自学目标方法(1982 PDF版)
自学目标方法
1982 沈阳:辽宁人民出版社
低噪声电动机(1985 PDF版)
低噪声电动机
1985 北京:科学出版社
强噪声学(1996 PDF版)
强噪声学
1996 北京:科学出版社
噪声的降低与隔离  下(1989 PDF版)
噪声的降低与隔离 下
1989 上海:同济大学出版社
噪声的降低与预防  上(1985 PDF版)
噪声的降低与预防 上
1985 上海:同济大学出版社