| 第一章 绪论 | 第1-15页 |
| 1．1 图像分割 | 第8-10页 |
| 1．1．1 研究背景和意义 | 第8页 |
| 1．1．2 图像分割技术发展的过程及现状 | 第8-10页 |
| 1．2 SNAKE模型的概述 | 第10-12页 |
| 1．2．1 研究背景 | 第10页 |
| 1．2．2 国内外研究及应用情况 | 第10-12页 |
| 1．2．3 存在的问题 | 第12页 |
| 1．3 本文的主要研究工作 | 第12-13页 |
| 1．4 论文结构 | 第13-15页 |
| 第二章 基于 SNAKE模型的静态物体轮廓提取 | 第15-30页 |
| 2．1 SNAKE模型的基础理论 | 第15-19页 |
| 2．1．1 SNAKE模型的概念 | 第15页 |
| 2．1．2 数学模型 | 第15-16页 |
| 2．1．3 SNAKE初始模型 | 第16-17页 |
| 2．1．4 SNAKE的改进模型 | 第17-18页 |
| 2．1．5 本文算法的选择 | 第18-19页 |
| 2．2 SNAKE模型初始参数的自动化 | 第19-23页 |
| 2．2．1 基于MINIMAX准则的参数选择策略 | 第19-20页 |
| 2．2．2 GHOUGH选取SNAKE初始轮廓 | 第20-23页 |
| 2．3 SNAKE模型收敛效果的改进 | 第23-29页 |
| 2．3．1 金子塔结构 | 第23-25页 |
| 2．3．2 动态规划 | 第25-29页 |
| 2．4 小结 | 第29-30页 |
| 第三章 基于 KALMAN滤波的运动跟踪 | 第30-36页 |
| 3．1 目标跟踪的相关技术 | 第30-32页 |
| 3．1．1 运动图像的定义 | 第30页 |
| 3．1．2 运动物体检测 | 第30-31页 |
| 3．1．3 运动目标的跟踪 | 第31-32页 |
| 3．2 KALMAN滤波理论 | 第32-35页 |
| 3．2．1 离散KALMAN滤波方程 | 第32-34页 |
| 3．2．2 各滤波方程的物理意义 | 第34-35页 |
| 3．3 本文实现的 KALMAN滤波 | 第35页 |
| 3．4 小结 | 第35-36页 |
| 第四章 基于 SNAKE模型的物体轮廓提取及跟踪系统的设计与实现 | 第36-62页 |
| 4．1 基于 SNAKE模型的静态物体轮廓提取模块的设计与实现 | 第36-48页 |
| 4．1．1 基于贪婪算法的SNAKE模型的设计与实现 | 第36-38页 |
| 4．1．2 基于GHOUGH的SNAKE初始轮廓选择策略的设计与实现 | 第38-40页 |
| 4．1．3 基于动态规划的SNAKE模型的设计与实现 | 第40-44页 |
| 4．1．4 实验与分析 | 第44-48页 |
| 4．2 基于 KALMAN滤波的运动跟踪模块的设计与实现 | 第48-51页 |
| 4．2．1 KALMAN滤波的设计与实现 | 第48-50页 |
| 4．2．2 实验与分析 | 第50-51页 |
| 4．3 基于 DIRECTSHOW的视频模块的设计与实现 | 第51-58页 |
| 4．3．1 视频采集模块的设计与实现 | 第51-56页 |
| 4．3．2 视频回放模块的设计与实现 | 第56-58页 |
| 4．3．3 小结 | 第58页 |
| 4．4 视频模块、SNAKE模型与 KALMAN滤波的整合 | 第58-61页 |
| 4．4．1 整合系统的设计与实现 | 第58-60页 |
| 4．4．2 实验与分析 | 第60-61页 |
| 4．5 小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文 | 第68页 |
