提要 | 第5-6页 |
摘要 | 第6-8页 |
Abstract | 第8-10页 |
第1章 绪论 | 第13-36页 |
1.1 课题背景 | 第13-14页 |
1.2 课题研究背景 | 第14-33页 |
1.2.1. 图像去噪方法概述 | 第18-24页 |
1.2.2. 图像表达与目标检测方法概述 | 第24-31页 |
1.2.3. 异常行为事件检测方法概述 | 第31-33页 |
1.3. 课题研究意义 | 第33-34页 |
1.4. 本文主要工作及章节安排 | 第34-36页 |
第2章 基于小波“类零树”结构与尺度相关性模型的图像去噪方法 | 第36-48页 |
2.1 基于小波“类零树”结构的 BAYES 阈值法与尺度相关性模型的图像去噪方法概述 | 第36-39页 |
2.1.1. 基于小波的图像去噪方法介绍 | 第36-37页 |
2.1.2. 小波变换域的系数统计特性分析 | 第37-39页 |
2.2. 基于尺度相关性的“类零树”BAYES 阈值去噪法 | 第39-43页 |
2.2.1. 算法的提出 | 第39-42页 |
2.2.2. 算法步骤 | 第42-43页 |
2.3. 算法实验与分析 | 第43-46页 |
2.4. 结论 | 第46-48页 |
第3章 基于图像内容自适应的快速非局部均值方法研究 | 第48-70页 |
3.1. 非局部均值介绍 | 第48-51页 |
3.2. 基于小波能量函数的参数自适应 NLM | 第51-58页 |
3.2.1. 问题的提出与分析 | 第51-53页 |
3.2.2. 小波能量对不同内容图像的相关性函数构造 | 第53-56页 |
3.2.3. 算法的提出与实验 | 第56-58页 |
3.3. 图像内容自适应的 NLM 方法 | 第58-64页 |
3.3.1. 图像特性分析 | 第58-59页 |
3.3.2. 基于图像内容自适应的 NLM | 第59-61页 |
3.3.3. 基于图像内容自适应的 NLM 的提出与实验 | 第61-64页 |
3.4. 快速的三维 NLM | 第64-68页 |
3.4.1. 问题的提出与分析 | 第64-65页 |
3.4.2. 基于加速策略的 3D NLM | 第65-68页 |
3.4.3. 实验与分析 | 第68页 |
3.5. 结论 | 第68-70页 |
第4章 基于局部特征的建模与识别方法 | 第70-90页 |
4.1. 局部图像特征的表达与分类 | 第70-80页 |
4.1.1. 视觉词包模型与隐式形状模型介绍 | 第70-71页 |
4.1.2. 特征语义构造 | 第71-72页 |
4.1.3. 常用分类及生成索引方法 | 第72-80页 |
4.2. HOUGH 森林的目标识别 | 第80-84页 |
4.2.1. Hough 森林 | 第80-82页 |
4.2.2. 基于时空特征的 Hough 森林目标检测方法 | 第82-84页 |
4.3. 隐式图像块模型(LATENT PATCH MODEL,LPM) | 第84-89页 |
4.3.1. LPM 描述 | 第85页 |
4.3.2. 基于多次估计的 LPM 图像去噪方法 | 第85-87页 |
4.3.3. 实验与结论 | 第87-89页 |
4.4 总结与分析 | 第89-90页 |
第5章 基于局部特征的快速异常事件检测方法 | 第90-103页 |
5.1. 异常事件检测中的特征抽取方法介绍 | 第90-93页 |
5.1.1. 视频跟踪 | 第90-92页 |
5.1.2. 异常事件检测中的运动分析 | 第92-93页 |
5.2. 基于单位光流能量的异常事件检测方法 | 第93-103页 |
5.2.1. 背景提取与局部光流估计 | 第94-97页 |
5.2.2. 基于光流能量的异常行为分析 | 第97-99页 |
5.2.3. 实验与分析 | 第99-103页 |
第6章 结论与展望 | 第103-105页 |
参考文献 | 第105-121页 |
作者简介及在学期间所取得的科研成果 | 第121-124页 |
致谢 | 第124页 |