| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 图表清单 | 第9-10页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 课题应用领域 | 第13页 |
| 1.3 国内外发展概况 | 第13-15页 |
| 1.4 课题技术难点和发展方向 | 第15-16页 |
| 1.5 本文的创新点介绍及文章安排 | 第16-17页 |
| 第二章 视频图像预处理 | 第17-27页 |
| 2.1 视频图像分割 | 第17-22页 |
| 2.1.1 基于阈值选取的图像分割方法 | 第17-19页 |
| 2.1.2 基于边界的分割方法 | 第19-22页 |
| 2.2 图像增强 | 第22-23页 |
| 2.3 图像滤波 | 第23-24页 |
| 2.3.1 平滑滤波 | 第23页 |
| 2.3.2 中值滤波 | 第23-24页 |
| 2.4 图像运算 | 第24-26页 |
| 2.4.1 图像的代数运算 | 第24-25页 |
| 2.4.2 图像的逻辑运算 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于改进混合高斯模型的目标检测方法 | 第27-45页 |
| 3.1 浅析运动目标检测算法 | 第27-32页 |
| 3.1.1 光流法 | 第28-29页 |
| 3.1.2 帧间差分法 | 第29-31页 |
| 3.1.3 背景差分法 | 第31-32页 |
| 3.2 基于改进的混合高斯模型的背景差分法 | 第32-36页 |
| 3.2.1 单高斯模型法（SGM） | 第32-33页 |
| 3.2.2 混合高斯模型法（GMM） | 第33-35页 |
| 3.2.3 图像的形态学处理 | 第35-36页 |
| 3.3 改进的混合高斯背景建模方法 | 第36-42页 |
| 3.3.1 改进的模型学习机制 | 第38-40页 |
| 3.3.2 前景决策机制 | 第40-41页 |
| 3.3.3 光线突变和模型失效检测方法 | 第41-42页 |
| 3.4 实验结果分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于特征融合的均值偏移目标跟踪算法 | 第45-57页 |
| 4.1 常用的目标跟踪算法 | 第45-46页 |
| 4.2 均值偏移目标跟踪算法 | 第46-49页 |
| 4.2.1 Mean Shift 目标跟踪算法原理 | 第47-49页 |
| 4.3 基于特征融合的均值偏移算法 | 第49-52页 |
| 4.3.1 Meanshift 算法在目标跟踪中的应用 | 第49-51页 |
| 4.3.2 改进均值偏移算法 | 第51-52页 |
| 4.4 实验结果分析 | 第52-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 尺度不变特征和模板匹配相结合的目标跟踪技术 | 第57-64页 |
| 5.1 复杂情况下目标跟踪难点分析 | 第57页 |
| 5.2 适用于复杂环境下的目标跟踪算法 | 第57-62页 |
| 5.2.1 图像预处理 | 第58-59页 |
| 5.2.2 尺度不变特征提取 | 第59页 |
| 5.2.3 建立初始模板 | 第59-60页 |
| 5.2.4 模板匹配 | 第60-62页 |
| 5.3 自适应模板更新 | 第62页 |
| 5.4 实验结果 | 第62-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 在学期间的研究成果及发表的学术论文 | 第71页 |
