基于图像的目标检测算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外发展现状 | 第9-10页 |
| 1.2.1 静态图像分割 | 第9-10页 |
| 1.2.2 运动目标检测 | 第10页 |
| 1.3 主要研究内容 | 第10-11页 |
| 1.4 论文章节安排 | 第11-13页 |
| 第二章 目标检测算法简介 | 第13-26页 |
| 2.1 阈值分割算法 | 第13-14页 |
| 2.1.1 阈值分割算法原理 | 第13-14页 |
| 2.1.2 数值实验及结果分析 | 第14页 |
| 2.2 K 均值聚类 | 第14-16页 |
| 2.2.1 K 均值聚类的算法原理 | 第14-15页 |
| 2.2.2 K 均值聚类算法步骤 | 第15-16页 |
| 2.2.3 数值实验及结果分析 | 第16页 |
| 2.3 谱聚类 | 第16-18页 |
| 2.3.1 基于全矩阵的无监督谱聚类算法原理 | 第16-17页 |
| 2.3.2 基于全矩阵的无监督谱聚类算法步骤 | 第17-18页 |
| 2.3.3 数值实验及结果分析 | 第18页 |
| 2.4 帧间差分法 | 第18-21页 |
| 2.4.1 帧间差分法基本原理 | 第18-19页 |
| 2.4.2 帧间差分法步骤 | 第19页 |
| 2.4.3 标准（偏）差阈值 | 第19-20页 |
| 2.4.4 数值实验及结果分析 | 第20-21页 |
| 2.5 混合高斯模型 | 第21-23页 |
| 2.5.1 混合高斯模型基本原理 | 第21页 |
| 2.5.2 混合高斯模型学习更新步骤 | 第21-23页 |
| 2.5.3 数值实验及结果分析 | 第23页 |
| 2.6 背景差分法 | 第23-26页 |
| 2.6.1 背景差分法基本原理 | 第23-24页 |
| 2.6.2 背景建模 | 第24-25页 |
| 2.6.3 数据实验及结果分析 | 第25-26页 |
| 第三章 基于随机谱聚类的静态目标检测算法 | 第26-32页 |
| 3.1 相似度函数的构造 | 第26-27页 |
| 3.2 均匀抽样法 | 第27-28页 |
| 3.3 依灰度概率抽样法 | 第28-30页 |
| 3.4 数值实验及结果分析 | 第30-32页 |
| 第四章 基于图像序列的运动目标检测算法 | 第32-38页 |
| 4.1 背景估计的统计描述 | 第32-33页 |
| 4.2 中位数模型 | 第33-34页 |
| 4.3 基于背景差分法的运动目标检测 | 第34-35页 |
| 4.4 数值实验及结果分析 | 第35页 |
| 4.5 去噪处理 | 第35-38页 |
| 4.5.1 提取连通分量 | 第35-36页 |
| 4.5.2 形态学处理 | 第36-37页 |
| 4.5.3 数值实验及结果分析 | 第37-38页 |
| 总结 | 第38-39页 |
| 参考文献 | 第39-41页 |
| 攻读学位期间取得的研究成果 | 第41-42页 |
| 致谢 | 第42页 |
