| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要内容与组织结构 | 第11-13页 |
| 第二章 运动目标检测算法和图像处理基础 | 第13-26页 |
| 2.1 图像预处理 | 第13-16页 |
| 2.1.1 图像去噪 | 第13-15页 |
| 2.1.2 颜色空间转化 | 第15页 |
| 2.1.3 彩色图像灰度化 | 第15-16页 |
| 2.2 时间差分法 | 第16-17页 |
| 2.3 背景模型差分法 | 第17-23页 |
| 2.3.1 平均背景模型 | 第18-19页 |
| 2.3.2 高斯混合模型 | 第19-21页 |
| 2.3.3 码本模型 | 第21-23页 |
| 2.4 基于梯度的光流法 | 第23-24页 |
| 2.5 图像后处理 | 第24-25页 |
| 2.5.1 膨胀和腐蚀 | 第24页 |
| 2.5.2 开运算和闭运算 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 视觉背景提取算法及其改进 | 第26-36页 |
| 3.1 ViBe算法 | 第26-27页 |
| 3.2 产生鬼影分析和改进算法总结 | 第27-28页 |
| 3.3 改进的ViBe算法 | 第28-31页 |
| 3.3.1 基于OTSU算法的帧差法 | 第28页 |
| 3.3.2 合成背景图像和初始化ViBe模型 | 第28-30页 |
| 3.3.3 邻域的扩大 | 第30-31页 |
| 3.4 对比实验结果和分析 | 第31-34页 |
| 3.4.1 复杂度分析 | 第31页 |
| 3.4.2 定性分析 | 第31-33页 |
| 3.4.3 定量分析 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 融合LBSP特征的LOBSTER算法及优化 | 第36-50页 |
| 4.1 LBP特征和LBSP特征 | 第36-39页 |
| 4.1.1 LBP特征 | 第36-38页 |
| 4.1.2 LBSP特征 | 第38-39页 |
| 4.2 基于LBSP特征的LOBSTER算法 | 第39-42页 |
| 4.2.1 LOBSTER算法 | 第39-41页 |
| 4.2.2 复杂度分析 | 第41-42页 |
| 4.3 动态背景下的自适应LOBSTER算法 | 第42-45页 |
| 4.3.1 模型的初始化 | 第43-44页 |
| 4.3.2 像素的自适应阈值分类 | 第44页 |
| 4.3.3 动态背景下的模型更新 | 第44-45页 |
| 4.4 对比实验结果分析 | 第45-49页 |
| 4.4.1 定性分析 | 第45-47页 |
| 4.4.2 定量分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第57页 |