| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究难点 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第二章 目标检测分割与跟踪技术 | 第14-33页 |
| 2.1 运动目标检测 | 第14-15页 |
| 2.1.1 背景减除法 | 第14页 |
| 2.1.2 帧差法 | 第14-15页 |
| 2.1.3 光流法 | 第15页 |
| 2.2 目标分割 | 第15-23页 |
| 2.2.1 阈值分割法 | 第16-17页 |
| 2.2.2 基于区域的分割 | 第17-18页 |
| 2.2.3 基于边缘的分割 | 第18-23页 |
| 2.3 目标跟踪 | 第23-32页 |
| 2.3.1 目标跟踪的流程 | 第23-24页 |
| 2.3.2 MEAN SHIFT目标跟踪 | 第24-25页 |
| 2.3.3 粒子滤波 | 第25-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 融合HSV空间与形态学的救生衣检测分割 | 第33-47页 |
| 3.1 问题提出 | 第33页 |
| 3.2 HSV颜色空间 | 第33-35页 |
| 3.2.1 HSV概述 | 第33-34页 |
| 3.2.2 RGB变换为HSV | 第34-35页 |
| 3.3 形态学基本算法 | 第35-36页 |
| 3.4 融合HSV与形态学方法的检测分割 | 第36-43页 |
| 3.4.1 颜色特征提取 | 第36-37页 |
| 3.4.2 初步标记ROI区域 | 第37-38页 |
| 3.4.3 形态学处理得到连通区域并提取最外矩形边界 | 第38-40页 |
| 3.4.4 背景差分消除误判 | 第40-43页 |
| 3.5 实验与分析 | 第43-46页 |
| 3.5.1 实验结果 | 第43-44页 |
| 3.5.2 算法性能分析 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 基于改进权值减小策略的多特征融合粒子滤波 | 第47-59页 |
| 4.1 问题的提出 | 第47-48页 |
| 4.2 传统粒子滤波算法 | 第48-49页 |
| 4.3 多特征融合 | 第49-53页 |
| 4.3.1 颜色特征提取 | 第49页 |
| 4.3.2 边缘特征提取 | 第49-50页 |
| 4.3.3 ZERNIKE矩特征提取 | 第50-51页 |
| 4.3.4 选择性串联特征融合 | 第51-53页 |
| 4.4 改进的粒子多样性优化算法 | 第53-55页 |
| 4.4.1 粒子多样性策略 | 第53-54页 |
| 4.4.2 改进粒子多样性算法 | 第54-55页 |
| 4.5 实验结果及分析 | 第55-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 附录A(攻读硕士学位期间发表和录用的学术论文) | 第68页 |