| 1 绪论 | 第1-13页 |
| ·研究的目的和意义 | 第8-9页 |
| ·研究现状及存在的问题 | 第9-12页 |
| ·本论文的研究内容 | 第12-13页 |
| 2 运动目标检测方法研究 | 第13-30页 |
| ·引言 | 第13页 |
| ·目标特征图像的确定方法 | 第13-16页 |
| ·常用颜色模型介绍 | 第13-15页 |
| ·彩色图像差值模型 | 第15-16页 |
| ·图像的预处理方法 | 第16-21页 |
| ·图像的平滑滤波方法 | 第17-19页 |
| ·频域上的平滑方法 | 第17页 |
| ·实域上的平滑方法 | 第17-18页 |
| ·邻域平均法和中值滤波法试验结果分析 | 第18-19页 |
| ·图像的增强方法 | 第19-21页 |
| ·灰度变换法 | 第20页 |
| ·直方图均衡化 | 第20-21页 |
| ·图像增强处理结果与分析 | 第21页 |
| ·目标图像的分割方法 | 第21-26页 |
| ·自适应直方图分割方法 | 第22-23页 |
| ·图像边缘检测算法 | 第23-25页 |
| ·目标区域分割与边缘检测分割方法分析 | 第25-26页 |
| ·基于形态学的图像后处理方法 | 第26-28页 |
| ·数学形态学简介 | 第26-28页 |
| ·数学形态学应用于目标图像后优化处理 | 第28页 |
| ·图像背景更新策略 | 第28-29页 |
| ·小结 | 第29-30页 |
| 3 运动目标影子去除方法研究 | 第30-43页 |
| ·引言 | 第30页 |
| ·物体影子大体区域定位 | 第30-35页 |
| ·物体数及其顶部位置的确定 | 第30-32页 |
| ·物体的边界确定 | 第32-33页 |
| ·影子方向确定 | 第33-35页 |
| ·物体影子聚类去除方法 | 第35-40页 |
| ·聚类方法分析与研究 | 第35-39页 |
| ·物体影子的聚类去除方法 | 第39-40页 |
| ·试验结果与分析 | 第40页 |
| ·小结 | 第40-43页 |
| 4 运动目标识别方法研究 | 第43-60页 |
| ·引言 | 第43页 |
| ·基于整体形状特征的识别方法 | 第43-51页 |
| ·特征提取 | 第44-45页 |
| ·人工神经网络识别器设计 | 第45-48页 |
| ·BP(Back Propagation)神经网络简介 | 第45-47页 |
| ·BP神经网络的实现 | 第47-48页 |
| ·实验结果与分析 | 第48-51页 |
| ·基于头肩特征的识别方法 | 第51-58页 |
| ·特征提取 | 第51-53页 |
| ·遗传神经网络识别器设计 | 第53-56页 |
| ·传统神经网络的缺点 | 第53-54页 |
| ·遗传算法在多层前向神经网络设计中的实现 | 第54-56页 |
| ·实验结果与分析 | 第56-58页 |
| ·小结 | 第58-60页 |
| 5 结论与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 在研究生期间撰写、发表的学术论文 | 第65页 |