| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 运动目标检测与跟踪方法的研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 第2章 船舶检测 | 第14-24页 |
| 2.1 图像预处理 | 第14-16页 |
| 2.2 前景目标提取方法 | 第16-19页 |
| 2.2.1 阈值确定方法 | 第16-17页 |
| 2.2.2 二值图像的形态学方法 | 第17-18页 |
| 2.2.3 颜色空间模型 | 第18-19页 |
| 2.3 船舶检测 | 第19-23页 |
| 2.3.1 目标检测方法简介 | 第19-20页 |
| 2.3.2 背景建模 | 第20-22页 |
| 2.3.3 自适应背景差分 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 特征信息提取 | 第24-30页 |
| 3.1 特征信息提取 | 第24-28页 |
| 3.1.1 Canny算子边缘提取 | 第24-26页 |
| 3.1.2 Hu不变矩 | 第26-28页 |
| 3.2 特征量的标准化 | 第28-29页 |
| 3.2.1 归一化 | 第28页 |
| 3.2.2 线性归一化 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 基于特征信息的船舶识别 | 第30-39页 |
| 4.1 特征信息 | 第30页 |
| 4.2 支持向量机 | 第30-34页 |
| 4.2.1 线性可分算法简介 | 第31-33页 |
| 4.2.2 非线性可分SVM与核函数 | 第33页 |
| 4.2.3 参数优化 | 第33-34页 |
| 4.3 相关向量机 | 第34-35页 |
| 4.3.1 算法简介 | 第34-35页 |
| 4.3.2 参数选取 | 第35页 |
| 4.4 识别效果与分类器评价 | 第35-38页 |
| 4.4.1 识别效果 | 第35-38页 |
| 4.4.2 分类器评价 | 第38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 基于边缘方向直方图与CamShift算法的船舶跟踪 | 第39-53页 |
| 5.1 边缘方向直方图简介 | 第39-40页 |
| 5.2 CamShift跟踪算法简介 | 第40-45页 |
| 5.2.1 颜色概率分布直方图图 | 第41页 |
| 5.2.2 相似度匹配与迭代中心 | 第41-42页 |
| 5.2.3 Cam Shift算法 | 第42-45页 |
| 5.3 结合边缘方向直方图的Cam Shift跟踪算法 | 第45-46页 |
| 5.4 实验结果及分析 | 第46-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文 | 第59-60页 |
| 致谢 | 第60页 |