| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 插图索引 | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| ·研究背景及意义 | 第12-14页 |
| ·国内外研究现状与发展趋势 | 第14-16页 |
| ·本文的主要研究内容及结构安排 | 第16-17页 |
| 第二章 课题研究目标与图像预处理 | 第17-27页 |
| ·智能监控系统架构 | 第17-18页 |
| ·本课题的研究目标 | 第18-21页 |
| ·算法平台的选择 | 第18-19页 |
| ·研究目标与技术路线 | 第19-21页 |
| ·图像预处理 | 第21-27页 |
| ·均值滤波器 | 第21-23页 |
| ·高斯平滑滤波器 | 第23页 |
| ·中值滤波器 | 第23-25页 |
| ·改进的中值滤波器 | 第25-27页 |
| 第三章 经典运动算法的试验研究 | 第27-43页 |
| ·帧间差分法 | 第27-29页 |
| ·光流法 | 第29-31页 |
| ·背景差法 | 第31-32页 |
| ·高斯混合背景模型 | 第32-42页 |
| ·高斯分布的数学基础 | 第33-34页 |
| ·最大似然估计 | 第34-35页 |
| ·高斯混合模型背景建模方法 | 第35-39页 |
| ·高斯混合模型背景模型算法存在的问题 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于 PCNN 的运动检测算法 | 第43-57页 |
| ·PCNN 的基本模型 | 第43-47页 |
| ·神经元与人工神经网络 | 第43-45页 |
| ·PCNN 的基本模型 | 第45-47页 |
| ·PCNN 的工作原理 | 第47-51页 |
| ·PCNN 的工作原理 | 第47-49页 |
| ·PCNN 的特性 | 第49-51页 |
| ·基于 PCNN 的运动检测算法 | 第51-55页 |
| ·简化的 PCNN 数字图像处理模型 | 第51-52页 |
| ·运动检测模型分析与改进 | 第52-53页 |
| ·PCNN 运动检测改进算法 | 第53-55页 |
| ·算法实验仿真及仿真 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 改进的遗传算法在 PCNN 参数标定中的应用 | 第57-72页 |
| ·遗传算法概述 | 第58-62页 |
| ·遗传算法的基本思想 | 第58-60页 |
| ·遗传算法的构成要素 | 第60-61页 |
| ·基本遗传算法流程 | 第61-62页 |
| ·改进的遗传算法 | 第62-66页 |
| ·OFGA 遗传算子描述 | 第63页 |
| ·OFGA 算法流程 | 第63-64页 |
| ·收敛性分析 | 第64-66页 |
| ·基于 OFGA 的 PCNN 参数优化算法 | 第66-69页 |
| ·PCNN 参数分析 | 第66页 |
| ·PCNN 参数优化方案设计 | 第66-68页 |
| ·基于 OFGA 的 PCNN 参数优化流程 | 第68-69页 |
| ·算法实验及分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 主要结论 | 第72页 |
| 展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第79页 |