| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 视频前背景分离国内外研究现状 | 第10-15页 |
| 1.2.1 局部算法 | 第11-13页 |
| 1.2.2 全局算法 | 第13-15页 |
| 1.3 研究内容及章节安排 | 第15-17页 |
| 第二章 传统PCA、鲁棒PCA方法及其优缺点介绍 | 第17-29页 |
| 2.1 主成分分析（PCA）及鲁棒PCA（RPCA） | 第17-19页 |
| 2.1.1 主成分分析（PCA） | 第17-18页 |
| 2.1.2 鲁棒PCA（RPCA） | 第18-19页 |
| 2.2 解法及其应用 | 第19-25页 |
| 2.2.1 RPCA解法 | 第19-23页 |
| 2.2.2 RPCA应用 | 第23-25页 |
| 2.3 基于RPCA的视频背景提取算法介绍 | 第25-26页 |
| 2.4 本文MAMR模型提出的动机 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于运动信息辅助的RPCA背景建模（MAMR） | 第29-38页 |
| 3.1 MAMR模型框架 | 第29-30页 |
| 3.2 基于运动信息的权重矩阵构建 | 第30-32页 |
| 3.2.1 采用固定参考帧的密集运动场估计 | 第31页 |
| 3.2.2 运动信息向权重矩阵的映射 | 第31-32页 |
| 3.3 基于ADM-ALM框架的MAMR模型算法 | 第32-35页 |
| 3.4 基于背景减技术的前景提取 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于运动信息辅助的鲁棒MAMR建模（RMAMR） | 第38-41页 |
| 4.1 研究意义 | 第38页 |
| 4.2 RMAMR模型 | 第38-39页 |
| 4.3 本章小结 | 第39-41页 |
| 第五章 实验结果及分析 | 第41-56页 |
| 5.1 实验参数设置 | 第41-42页 |
| 5.1.1 收敛参数设置 | 第41-42页 |
| 5.1.2 性能参数设置 | 第42页 |
| 5.2 测试数据集及性能度量指标 | 第42-44页 |
| 5.3 α 对运动信息向权重矩阵映射过程的影响 | 第44-46页 |
| 5.4 不同模块组合下实验结果 | 第46-47页 |
| 5.5 背景提取实验结果对比及分析 | 第47-48页 |
| 5.6 前景检测实验结果对比及分析 | 第48-52页 |
| 5.7 噪声数据集的实验结果及分析 | 第52页 |
| 5.8 算法运行时间 | 第52-54页 |
| 5.9 本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 发表论文和参加科研情况说明 | 第62-63页 |
| 致谢 | 第63-64页 |
