文档介绍：2015年5月21日
基于稀疏表示的遮挡目标快速重构算法研究
答辩人:冷佳旭
导师:陈勇副教授
能源科学与工程学院
目录
1 课题背景和研究意义
2 稀疏表示理论
3 基于稀疏度自适应的图像重构算法
4 基于Gabor字典的稀疏表示跟踪算法
5 基于L1跟踪的遮挡目标快速重构算法

目标跟踪是计算机视觉研究领域的一个热门研究方向,并被广泛应用于多个领域,比如智能导航、视频安全监控以及武器制造等。
遮挡一直是目标跟踪中的一个难点。有效地的处理遮挡问题是实现运动目标跟踪的关键问题之一。

近几年,受到基于稀疏表示的人脸识别方法的启发,稀疏表示在目标跟踪中也逐渐获得了应用。
基于稀疏表示的目标跟踪算法的先验条件并不是在所有情况下均会成立,尤其是在严重遮挡时。

稀疏表示模型:

针对稀疏表示模型,目前面临三个问题:
1) 如何求得最稀疏的系数
2) 如何构造有效的稀疏表示字典
3) 如何将稀疏表示应用于图像处理中

传统的信号重构过程:
压缩感知信号重构过程:

重构算法作为压缩感知中最为重要的一部分,对于压缩感知的在实际中的应用有着很大的影响。目前重构算法主要包括了三大类:

(1)松弛优化算法

(2)贪婪跟踪算法

(3)组合优化算法

分段正交匹配跟踪算法(stage-wise OMP):

改进算法流程图: