| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 绪论 | 第10-26页 |
| ·引言 | 第10-11页 |
| ·国内外研究现状 | 第11-21页 |
| ·基于静态图像的轮廓编组方法 | 第11-13页 |
| ·基于图像序列的目标检测方法 | 第13-21页 |
| ·论文主要内容及创新点 | 第21-24页 |
| ·论文的主要内容 | 第22-23页 |
| ·论文的主要特色及创新点 | 第23-24页 |
| ·论文组织结构 | 第24-26页 |
| 2 基于边缘片段的时空特征提取 | 第26-42页 |
| ·相关工作 | 第26-33页 |
| ·边缘检测方法研究与分析 | 第26-29页 |
| ·运动特征提取方法研究与分析 | 第29-32页 |
| ·颜色模型和纹理 | 第32-33页 |
| ·基于边缘片段的时空特征提取 | 第33-40页 |
| ·基于gPb的边缘片段编组元提取算法 | 第33-35页 |
| ·基于光流法的边缘片段区域运动特征提取方法 | 第35-39页 |
| ·基于颜色、纹理描述的边缘片段区域空间特征提取方法 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 3 基于运动特征的轮廓编组算法 | 第42-60页 |
| ·相关工作 | 第42-50页 |
| ·流形学习方法分析 | 第42-49页 |
| ·谱聚类方法分析 | 第49-50页 |
| ·基于流形学习的运动相似度计算方法 | 第50-54页 |
| ·基于运动特征的采用自适应谱聚类的轮廓编组算法 | 第54-55页 |
| ·实验结果及评价 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 4 基于时空信息的轮廓编组算法 | 第60-68页 |
| ·基于空间特征的采用自适应谱聚类的轮廓编组算法 | 第60-63页 |
| ·基于时空特征的采用自适应谱聚类的轮廓编组算法 | 第63页 |
| ·实验结果及评价 | 第63-66页 |
| ·本章小结 | 第66-68页 |
| 5 工作总结与展望 | 第68-70页 |
| ·工作总结 | 第68-69页 |
| ·进一步的研究建议 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 作者简历 | 第74-78页 |
| 学位论文数据集 | 第78页 |