| 第 1 章 绪论 | 第7-11页 |
| 1.1 引言 | 第7页 |
| 1.2 课题研究的背景和意义 | 第7-8页 |
| 1.3 本文研究的主要内容 | 第8-9页 |
| 1.4 章节安排 | 第9-11页 |
| 第 2 章 视频对象分割方法 | 第11-30页 |
| 2.1 视频对象分割方法分类 | 第11-12页 |
| 2.2 视频运动分析 | 第12-14页 |
| 2.2.1 三维运动表示 | 第12页 |
| 2.2.2 二维运动模型 | 第12-13页 |
| 2.2.3 全局运动估计 | 第13页 |
| 2.2.4 镜头场景切换 | 第13-14页 |
| 2.3 运动对象自动分割方法 | 第14-23页 |
| 2.3.1 基于运动场的分割方法 | 第14-16页 |
| 2.3.2 基于块匹配的分割方法 | 第16-18页 |
| 2.3.3 基于变化区域检测的分割方法 | 第18-20页 |
| 2.3.4 基于形态学的分割方法 | 第20-22页 |
| 2.3.5 基于分类的分割方法 | 第22-23页 |
| 2.4 运动对象半自动分割方法 | 第23-24页 |
| 2.5 运动对象跟踪 | 第24-27页 |
| 2.5.1 基于 Hausdoff 距离的运动跟踪 | 第25-26页 |
| 2.5.2 基于区域的运动跟踪 | 第26页 |
| 2.5.3 基于网格的运动跟踪 | 第26-27页 |
| 2.5.4 基于变形模板的运动跟踪 | 第27页 |
| 2.6 分割方法的选取 | 第27-30页 |
| 第 3 章 Snake 模型 | 第30-38页 |
| 3.1 Snake 模型概述 | 第30页 |
| 3.2 曲线内能 | 第30-34页 |
| 3.2.1 弹性内能 | 第31-33页 |
| 3.2.2 刚性内能 | 第33-34页 |
| 3.3 图像能量 | 第34页 |
| 3.4 动态模型求解 | 第34-36页 |
| 3.5 Snake 模型的不足 | 第36页 |
| 3.6 Snake 模型的改进方法 | 第36页 |
| 3.7 GVF Snake 模型 | 第36-38页 |
| 第 4 章 背景重建 | 第38-51页 |
| 4.1 平均法 | 第38页 |
| 4.2 基于 Kalman 渐消滤波的方法 | 第38-40页 |
| 4.3 基于高阶统计量的分块方法 | 第40-42页 |
| 4.4 基于距离测度的去除干扰法 | 第42-43页 |
| 4.5 实验结果比较 | 第43-51页 |
| 第 5 章 智能监控仿真实验 | 第51-59页 |
| 5.1 实验流程 | 第51-52页 |
| 5.2 重建背景 | 第52-54页 |
| 5.3 生成模版 | 第54-55页 |
| 5.4 提取轮廓 | 第55-59页 |
| 第 6 章 全文总结及展望 | 第59-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 摘要 | 第68-71页 |
| ABSTRACT | 第71页 |