| 中文摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·当前存在的主要问题 | 第15-17页 |
| ·本文的主要研究内容与创新点 | 第17-18页 |
| ·本文组织结构 | 第18-20页 |
| 第二章 二型模糊和概率图模型概述 | 第20-34页 |
| ·模糊数学简介 | 第20-27页 |
| ·模糊集合和基本性质 | 第21-24页 |
| ·二型模糊集 | 第24-27页 |
| ·区间二型模糊集 | 第27页 |
| ·概率图模型简介 | 第27-33页 |
| ·概率图模型原理介绍 | 第28-29页 |
| ·马尔科夫随机场 | 第29-31页 |
| ·Graph-Cuts 模型 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于二型模糊的运动目标检测 | 第34-48页 |
| ·混合高斯背景模型简介 | 第34-36页 |
| ·动态场景背景像素分布分析 | 第36-41页 |
| ·引入二型模糊的混合高斯背景建模 | 第41-45页 |
| ·T2FSs 融合 GMM 的物理意义 | 第42-43页 |
| ·T2FSs 融合 GMM 的数学模型 | 第43-44页 |
| ·运动目标检测步骤 | 第44-45页 |
| ·实验和分析 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 融合空间特征的背景模型优化 | 第48-58页 |
| ·基于块级的混合高斯模型简介 | 第48-49页 |
| ·融合块级和像素级的混合高斯背景建模 | 第49-52页 |
| ·两种背景模型的融合 | 第52-53页 |
| ·实验和分析 | 第53-56页 |
| ·BGMM 的实验和分析 | 第53-55页 |
| ·融合模型的实验和分析 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 基于概率图模型的前景轮廓细化 | 第58-63页 |
| ·基于 MRF 和图割运动目标检测相关工作 | 第58-59页 |
| ·前景轮廓细化算法 | 第59-61页 |
| ·基于 MRF 模型背景模型 | 第59-60页 |
| ·基于 Graph Cuts 模型的能量函数最小化 | 第60-61页 |
| ·实验结果和分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结和展望 | 第63-65页 |
| ·论文工作总结 | 第63页 |
| ·未来工作展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读学位期间公开发表的论文与参与的科研项目 | 第71-72页 |
| 致谢 | 第72-73页 |