基于计算机视觉河鲀目标的检测与跟踪
| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-9页 |
| 1 绪论 | 第9-18页 |
| ·研究背景 | 第9-10页 |
| ·研究目的与意义 | 第10-11页 |
| ·国内外研究现状分析 | 第11-15页 |
| ·计算机视觉研究现状 | 第11-13页 |
| ·计算机视觉在鱼类行为中研究现状 | 第13-15页 |
| ·研究内容及方案 | 第15-18页 |
| ·研究内容 | 第15页 |
| ·研究方法及技术路线 | 第15-18页 |
| 2 背景知识 | 第18-29页 |
| ·目标特征表达 | 第18-21页 |
| ·颜色空间 | 第18-21页 |
| ·纹理特征 | 第21页 |
| ·目标检测算法 | 第21-23页 |
| ·背景差分法 | 第21-22页 |
| ·帧间差分法 | 第22-23页 |
| ·光流法 | 第23页 |
| ·图像分割算法 | 第23-26页 |
| ·基于区域的分割算法 | 第24页 |
| ·基于函数优化的分割算法 | 第24页 |
| ·基于支持向量机的分割算法 | 第24-25页 |
| ·基于遗传算法的分割算法 | 第25-26页 |
| ·目标跟踪算法 | 第26-27页 |
| ·贝叶斯跟踪算法 | 第26页 |
| ·卡尔曼 (Kalman)滤波 | 第26-27页 |
| ·基于目标表达的跟踪算法 | 第27页 |
| ·本章小结 | 第27-29页 |
| 3 目标检测与分割方法研究 | 第29-39页 |
| ·实验数据 | 第29-30页 |
| ·基于Otsu的图像分割算法 | 第30-31页 |
| ·基于PCNN神经网络的分割算法 | 第31-32页 |
| ·基于蚁群的分割算法 | 第32-35页 |
| ·特征提取 | 第33页 |
| ·数学模型构建 | 第33-34页 |
| ·程序流程与实现步骤 | 第34-35页 |
| ·对比试验与结果讨论 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 4 目标跟踪方法研究 | 第39-48页 |
| ·Mean-Shift算法原理 | 第39-43页 |
| ·红鳍东方鲀的目标跟踪 | 第43-46页 |
| ·跟踪框架 | 第43-44页 |
| ·实验结果分析与讨论 | 第44-46页 |
| ·河鲀目标行为分析 | 第46页 |
| ·本章小结 | 第46-48页 |
| 5 总结与展望 | 第48-50页 |
| ·总结 | 第48页 |
| ·展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 附录 | 第53-54页 |
| 致谢 | 第54页 |
