海平面背景下小目标的运动检测与跟踪
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-17页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·课题研究现状和问题 | 第12-15页 |
| ·本文的主要工作 | 第15-17页 |
| 2 数字图像相关知识 | 第17-21页 |
| ·数字图像基本概念 | 第17-18页 |
| ·采样 | 第17页 |
| ·量化 | 第17-18页 |
| ·图像文件格式 | 第18页 |
| ·调色板与位图知识 | 第18-19页 |
| ·编写位图操作函数类 | 第19-21页 |
| 3 图像增强技术与分割技术 | 第21-33页 |
| ·直方图修正法 | 第21-22页 |
| ·图像平滑 | 第22-23页 |
| ·模板操作 | 第22-23页 |
| ·图像平滑技术 | 第23页 |
| ·图像锐化 | 第23-24页 |
| ·图像分割 | 第24-27页 |
| ·并行边界分割 | 第25-26页 |
| ·并行区域分割 | 第26-27页 |
| ·实验结果 | 第27-33页 |
| ·Visual C++环境下实验 | 第27-29页 |
| ·MATLAB仿真实验 | 第29-33页 |
| 4 运动目标检测与跟踪方法的研究 | 第33-77页 |
| ·视频图像基础知识 | 第33页 |
| ·运动目标检测 | 第33-41页 |
| ·帧差法 | 第34-35页 |
| ·背景差分法 | 第35-36页 |
| ·课题中使用方法 | 第36-38页 |
| ·背景模型更新算法 | 第38-39页 |
| ·阈值选取方法 | 第39-41页 |
| ·运动目标跟踪 | 第41-47页 |
| ·以假设条件为依据的分类 | 第42-44页 |
| ·基于特征的目标跟踪算法 | 第44-47页 |
| ·Mean Shift理论 | 第47-58页 |
| ·无参密度估计 | 第47-52页 |
| ·Mean Shift理论 | 第52-56页 |
| ·Mean Shift应用于目标跟踪 | 第56-58页 |
| ·Kalman滤波 | 第58-60页 |
| ·Kalman滤波优点 | 第58页 |
| ·Kalman模型 | 第58-59页 |
| ·Kalman滤波总结 | 第59-60页 |
| ·Kalman滤波器参数选取 | 第60页 |
| ·Kalman滤波与Mean Shift相结合 | 第60-77页 |
| ·实际理论模型 | 第60-62页 |
| ·实验结果 | 第62-74页 |
| ·结果总结 | 第74-77页 |
| 5 结论 | 第77-79页 |
| ·研究回顾与总结 | 第77页 |
| ·展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 作者简历 | 第83-87页 |
| 学位论文数据集 | 第87页 |
