| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 运动目标检测与跟踪技术研究现状 | 第11-12页 |
| 1.2.2 图像分割研究现状 | 第12-14页 |
| 1.3 论文主要工作 | 第14页 |
| 1.4 本文的组织结构安排 | 第14-16页 |
| 第二章 图像预处理及运动目标检测 | 第16-30页 |
| 2.1 滤波 | 第16-19页 |
| 2.1.1 中值滤波 | 第16-17页 |
| 2.1.2 均值滤波 | 第17-18页 |
| 2.1.3 高斯滤波 | 第18页 |
| 2.1.4 滤波器滤波效果比较 | 第18-19页 |
| 2.2 形态学算法 | 第19-22页 |
| 2.2.1 腐蚀 | 第20页 |
| 2.2.2 膨胀 | 第20-21页 |
| 2.2.3 开运算和闭运算 | 第21-22页 |
| 2.3 背景估计方法与建模 | 第22-25页 |
| 2.3.1 背景估计方法概述 | 第22-23页 |
| 2.3.2 高斯背景建模法 | 第23-24页 |
| 2.3.3 混合高斯背景建模 | 第24-25页 |
| 2.4 运动目标检测分类 | 第25-29页 |
| 2.4.1 光流法 | 第26页 |
| 2.4.2 帧差分法 | 第26-27页 |
| 2.4.3 背景差分法 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于GAC模型的图像分割方法 | 第30-57页 |
| 3.1 图像分割 | 第30页 |
| 3.2 边缘检测法 | 第30-35页 |
| 3.3 基于GAC活动轮廓线模型的图像分割法 | 第35-44页 |
| 3.3.1 基于PDE的图像分割法 | 第36-37页 |
| 3.3.2 与分割有关的数学理论 | 第37-41页 |
| 3.3.3 水平集函数的初始化 | 第41-42页 |
| 3.3.4 变分水平集方法 | 第42-44页 |
| 3.4 GAC活动轮廓线模型 | 第44-47页 |
| 3.4.1 GAC模型分割算法的分析 | 第44-46页 |
| 3.4.2 推广的GAC模型分割算法 | 第46-47页 |
| 3.5 改进的GAC活动轮廓线模型 | 第47-56页 |
| 3.5.1 约束能量 | 第47-48页 |
| 3.5.2 对原始模型的改进 | 第48-50页 |
| 3.5.3 改进方法的数值实现 | 第50-52页 |
| 3.5.4 改进模型实验结果分析 | 第52-56页 |
| 3.6 本章小结 | 第56-57页 |
| 第四章 视频中的运动车辆目标提取与跟踪 | 第57-67页 |
| 4.1 视频中运动车辆目标的提取 | 第57-60页 |
| 4.1.1 运动车辆目标区域提取 | 第57-59页 |
| 4.1.2 运动目标轮廓提取结果与分析 | 第59-60页 |
| 4.2 视频中运动车辆目标的跟踪 | 第60-66页 |
| 4.2.1 运动车辆目标跟踪算法概要 | 第60-61页 |
| 4.2.2 Kalman滤波 | 第61-63页 |
| 4.2.3 基于GAC模型与Kalman滤波算法的运动车辆目标的跟踪 | 第63-64页 |
| 4.2.4 实验结果与分析 | 第64-66页 |
| 4.3 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 后续工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |