流形粒子滤波算法及其在视频目标跟踪中的应用

本书可供高等院校电子信息、自动化、计算机应用、应用数学等有关专业的高年级本科生和研究生以及从事控制科学与工程、信号与信息处理领域的工程技术人员和研究人员参考阅读

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

5.1Mean Shift概述69

5.2Mean Shift基本理论及其扩展形式70

5.2.1Mean 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

5.4Mean Shift在目标跟踪中的应用75

5.4.1目标描述和匹配准则75

5.4.2Mean 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

5.5.4Mean 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[ZK(]基于自适应流形粒子滤波的制导红外小目标跟踪方法[ZK)]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(iMCPF)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(DRPF)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

7.5.1DR/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(ILLEDRPF)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

7.7.4Grassmann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

书名：流形粒子滤波算法及其在视频目标跟踪中的应用

书号：978-7-118-09889-1

作者：朱志宇

出版时间：2015年5月

译者：

版次：1版1次

开本：16

装帧：平装

出版基金：

页数：192

字数：241

中图分类：TP302.7

丛书名：

定价：36.00

本书研究流形上的粒子滤波算法将粒子滤波视频跟踪系统的状态模型建立在流形上在低维流形上实现状态采样充分利用了状态空间的内蕴几何特性为解决粒子退化问题提高跟踪算法的效率、实时性和鲁棒性提供一种新的思路"sup--normal" data-sup="1" data-ctrmap=":1,"> [1]

《离散粒子群优化算法及其应用》分为11章，各章节内容具体安排如下 ：第1章主要介绍了基本PSO算法的原理机制及其发展现状，并着重介绍了 PSO算法的三种常见离散化策略，阐述了DPSO算法的应用成果；第2章主要介 绍了PSO算法在TSP优化问题中的应用；第3章介绍了一种基于表现型共享函 数的多目标粒子群优化算法及其在多工作流调度问题中的应用；第4章介绍 了一种求解多目标最小生成树问题的改进计数算法，并详细阐述了一种用于 求解多目标最小生成树问题的新型DPs0算法的具体设计过程；第5章主要介 绍了PSO算法在入侵检测数据特征选择中的应用；第6章重点阐述了PSO算法 在入侵检测系统异常检测和误用检测中的具体应用；第7章分别阐述了PSO算 法在网络安全态势感知中态势要素获取、理解以及预测等各步骤中的应用； 第8章主要介绍了PSO算法在异构集群数据流分配问题中的应用；第9．章主 要讨论了无线传感器网络中基于PSO的拓扑生成及其容错拓扑控制机制，详 细介绍了各种算法的具体设计过程；第10章重点阐述了基于PSO算法的无线 传感器网络任务调度策略的设计；第11章分别阐述了PSO算法在超大规模集 成电路物理设计中的电路划分和布图/布局规划优化问题中的具体应用。 《离散粒子群优化算法及其应用》主要面向计算机科学、自动化科学、 管理科学、控制科学等相关学科专业高年级本科生、研究生以及广大研究计 算智能的科技工作者。

《智能优化算法及其在机械工程中的应用》结合作者多年来在相关方面的科研和教学工作的积累，以较为通俗简练的语言详细地介绍了智能优化算法中的遗传算法、粒子群优化算法、差异演化算法、模拟植物生长算法和果蝇优化算法及其在机械工程中的应用，以期使读者能够尽快了解和掌握这些算法的基本理论和应用技术。