本书研究面向强噪声场景的低秩稀疏学习视觉目标跟踪方法。基于变分法和分数阶微积分理论改善强噪声场景下的视觉信息质量问题；基于低秩表示和稀疏表示理论解决目标外观多样性情况下的表观建模问题；基于融合LASSO、变分法和分数阶微积分理论解决复杂环境遮挡带来的目标特征丢失问题和目标快速运动带来的跟踪漂移问题；基于反向稀疏表示描述解决跟踪模型在线学习的计算效率问题。本书可供高等院校自动化、计算机、电子信息等相关专业的本科生和研究生，以及从事计算机视觉和数字图像处理领域的工程技术人员和研究人员参考阅读。

前  言

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

……