| 摘要 | 第1-8页 |
| Abstract | 第8-16页 |
| 第一章 绪论 | 第16-34页 |
| 1．1 引言 | 第16-17页 |
| 1．2 问题背景 | 第17-18页 |
| 1．3 视频对象分割综述 | 第18-29页 |
| 1．3．1 视频对象分割的相关概念 | 第18-19页 |
| 1．3．2 视频分割与图像分割的关系 | 第19页 |
| 1．3．3 视频对象的表示 | 第19-20页 |
| 1．3．4 视频分割技术的应用 | 第20-22页 |
| 1．3．5 视频分割算法的分类 | 第22-29页 |
| 1．4 发展趋势及存在问题 | 第29-30页 |
| 1．4．1 发展趋势 | 第29-30页 |
| 1．4．2 存在问题 | 第30页 |
| 1．5 细胞神经网络的引入 | 第30-32页 |
| 1．6 论文的主要内容与结构 | 第32-33页 |
| 1．7 本章小结 | 第33-34页 |
| 第二章 视频分割基础 | 第34-54页 |
| 2．1 图像分割 | 第34-41页 |
| 2．1．1 灰度阈值法分割 | 第35-37页 |
| 2．1．2 特征空间聚类 | 第37-39页 |
| 2．1．3 连通区域标记 | 第39-41页 |
| 2．1．4 视频对象分割技术的评价 | 第41页 |
| 2．2 运动估计 | 第41-47页 |
| 2．2．1 Horn-Schunck光流法 | 第43-44页 |
| 2．2．2 块匹配法 | 第44-47页 |
| 2．3 对象跟踪 | 第47-50页 |
| 2．3．1 活动轮廓模型(Snake) | 第48-49页 |
| 2．3．2 豪斯道夫对象跟踪器(Hausdorff) | 第49-50页 |
| 2．4 数学形态学 | 第50-53页 |
| 2．4．1 二值图像的数学形态学运算 | 第50-52页 |
| 2．4．2 灰度图像的数学形态学运算 | 第52-53页 |
| 2．5 本章小节 | 第53-54页 |
| 第三章 头肩序列的分割算法 | 第54-71页 |
| 3．1 引言 | 第54页 |
| 3．2 头肩视频序列分析 | 第54-56页 |
| 3．3 基于时空信息的头肩序列分割算法 | 第56-59页 |
| 3．3．1 帧间差分 | 第56-57页 |
| 3．3．2 灰度区域划分 | 第57-58页 |
| 3．3．3 分割掩模与实验结果 | 第58-59页 |
| 3．3．4 结果分析 | 第59页 |
| 3．4 基于运动投影的人脸提取算法 | 第59-63页 |
| 3．4．1 头像区域确定 | 第60-61页 |
| 3．4．2 游程编码 | 第61-63页 |
| 3．4．3 实验结果及分析 | 第63页 |
| 3．5 基于梯度最大淹没区域的头肩序列快速分割算法 | 第63-68页 |
| 3．5．1 梯度淹没和最大区域提取 | 第64-65页 |
| 3．5．2 聚类 | 第65-67页 |
| 3．5．3 实验结果及分析 | 第67-68页 |
| 3．6 小结 | 第68-71页 |
| 第四章 基于光流和改进分水岭的视频对象分割方法 | 第71-85页 |
| 4．1 引言 | 第71页 |
| 4．2 算法详述 | 第71-82页 |
| 4．2．1 运动补偿和帧间差分 | 第72-74页 |
| 4．2．2 预处理 | 第74-76页 |
| 4．2．3 改进的分水岭算法 | 第76-80页 |
| 4．2．4 改进的Horn-Schunck光流法求光流模板 | 第80-82页 |
| 4．2．5 模板合并 | 第82页 |
| 4．3 实验结果与分析 | 第82-84页 |
| 4．4 小结 | 第84-85页 |
| 第五章 细胞神经网络分析及其用于分割算法的实现 | 第85-114页 |
| 5．1 引言 | 第85页 |
| 5．2 CNN的基本模型 | 第85-88页 |
| 5．3 CNN网络特性分析 | 第88-92页 |
| 5．3．1 CNN的有界性 | 第88-89页 |
| 5．3．2 CNN的稳定性分析 | 第89-92页 |
| 5．4 CNN的输入输出量化及用于图像处理的基本思想 | 第92-94页 |
| 5．4．1 CNN输入与输出量化 | 第92-93页 |
| 5．4．2 CNN用于图像处理的基本思想 | 第93-94页 |
| 5．5 CNN网络权的设计 | 第94-95页 |
| 5．6 人脸提取算法的CNN实现 | 第95-105页 |
| 5．6．1 由CNN实现算法概述 | 第95-98页 |
| 5．6．2 模板结构 | 第98-103页 |
| 5．6．3 实验结果与分析 | 第103-105页 |
| 5．7 基于光流和改进分水岭分割算法的CNN实现 | 第105-113页 |
| 5．7．1 经CNN实现算法的流程图 | 第106-108页 |
| 5．7．2 模板设计 | 第108-111页 |
| 5．7．3 实验结果与分析 | 第111-113页 |
| 5．8 本章小结 | 第113-114页 |
| 第六章 结论与展望 | 第114-116页 |
| 6．1 论文工作总结 | 第114-115页 |
| 6．2 展望 | 第115-116页 |
| 参考文献 | 第116-121页 |
| 攻读博士学位期间发表的论文 | 第121-122页 |
| 致谢 | 第122页 |
