复杂场景下视频目标自动分割算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.4 论文的结构安排 | 第18-21页 |
| 第2章 相关研究与技术 | 第21-33页 |
| 2.1 超像素分割算法 | 第21-23页 |
| 2.2 光流场计算 | 第23-26页 |
| 2.2.1 基于灰度恒定的模型 | 第24-25页 |
| 2.2.2 基于局部平滑性约束的模型 | 第25页 |
| 2.2.3 基于梯度守恒的模型 | 第25-26页 |
| 2.3 图割算法 | 第26-33页 |
| 2.3.1 图的基本概念 | 第26-28页 |
| 2.3.2 网络流理论 | 第28-29页 |
| 2.3.3 最大流最小割定理 | 第29-33页 |
| 第3章 基于光流场和图割的视频目标自动分割算法 | 第33-51页 |
| 3.1 引言 | 第33-34页 |
| 3.2 基于光流场的前景先验区域提取 | 第34-39页 |
| 3.2.1 视频运动信息分析 | 第35页 |
| 3.2.2 前景目标运动轮廓提取与表示 | 第35-37页 |
| 3.2.3 前景先验区域标注 | 第37-38页 |
| 3.2.4 鲁棒性优化和后处理 | 第38-39页 |
| 3.3 基于图割的测地显著性模型 | 第39-41页 |
| 3.3.1 图的建立 | 第39-40页 |
| 3.3.2 多重显著值计算模型 | 第40-41页 |
| 3.4 动态位置模型优化 | 第41-44页 |
| 3.5 实验与结果分析 | 第44-49页 |
| 3.5.1 实验设置 | 第44-45页 |
| 3.5.2 方法对比与分析 | 第45-48页 |
| 3.5.3 量化结果对比 | 第48-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第4章 基于候选目标的视频目标自动分割算法 | 第51-65页 |
| 4.1 引言 | 第51-52页 |
| 4.2 候选目标的生成与扩展 | 第52-54页 |
| 4.3 时序有向无环图建模 | 第54-58页 |
| 4.3.1 点的定义与权值 | 第54-56页 |
| 4.3.2 边的定义与权值 | 第56-57页 |
| 4.3.3 最长路径求解 | 第57-58页 |
| 4.4 实验与结果分析 | 第58-64页 |
| 4.4.1 实验设置 | 第58页 |
| 4.4.2 同类算法对比与分析 | 第58-61页 |
| 4.4.3 第3章算法对比与分析 | 第61-63页 |
| 4.4.4 量化结果对比 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 在读期间发表的学术论文与取得的研究成果 | 第75页 |
