| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题的背景及意义 | 第9-11页 |
| 1.2 船舶检测当前研究现状 | 第11-12页 |
| 1.3 移动目标检测研究现状 | 第12-13页 |
| 1.4 本文的研究思路 | 第13-14页 |
| 1.5 论文的章节安排 | 第14-15页 |
| 第2章 移动目标检测相关知识理论基础 | 第15-31页 |
| 2.1 背景差分法 | 第15-22页 |
| 2.1.1 背景初始化建模 | 第15-16页 |
| 2.1.2 移动目标检测与背景更新 | 第16-22页 |
| 2.2 Meanshift相关基础知识 | 第22-27页 |
| 2.2.1 Meanshift算法简介 | 第22页 |
| 2.2.2 Meanshift的基本思想 | 第22-24页 |
| 2.2.3 基于Meanshift的目标跟踪算法 | 第24-25页 |
| 2.2.4 目标模型描述 | 第25-26页 |
| 2.2.5 候选模型描述 | 第26页 |
| 2.2.6 相似性度量 | 第26-27页 |
| 2.2.7 Meanshift迭代过程 | 第27页 |
| 2.3 计算机图形形态学基础知识 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 Meanshift与直接差分法相结合的船舶检测方法 | 第31-48页 |
| 3.1 分割效果检测 | 第31-38页 |
| 3.1.1 正常光照条件下的分割效果 | 第31-35页 |
| 3.1.2 光照不足条件下的检测效果 | 第35页 |
| 3.1.3 光照变化较大时分割效果 | 第35-38页 |
| 3.2 背景差分算法存在的不足 | 第38页 |
| 3.3 直接差分法的改进 | 第38-41页 |
| 3.4 Meanshift算法在渡口监控视频中的跟踪效果 | 第41页 |
| 3.5 结合Meanshift算法的船舶检测 | 第41-46页 |
| 3.5.1 Meanshift与直接差分法相结合 | 第41-45页 |
| 3.5.2 结合Meanshift算法后的检测效果 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第4章 实验与结果分析 | 第48-52页 |
| 4.1 实验环境的搭建 | 第48页 |
| 4.2 本文算法与其他算法的计算时间对比 | 第48-49页 |
| 4.3 Meanshift算法实时性测试 | 第49-50页 |
| 4.4 本文算法在各种情况下的计算时间测试 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
