| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文内容安排 | 第10-12页 |
| 第二章 基于关键帧的监控视频浓缩技术以及低照度图像增强基础知识简介 | 第12-21页 |
| 2.1 引言 | 第12页 |
| 2.2 前景提取相关知识介绍 | 第12-14页 |
| 2.2.1 相邻帧差法 | 第12-13页 |
| 2.2.2 光流法 | 第13页 |
| 2.2.3 背景减除法 | 第13-14页 |
| 2.3 图像增强算法介绍 | 第14-20页 |
| 2.3.1 Retinex算法 | 第14-16页 |
| 2.3.2 直方图均衡化 | 第16-17页 |
| 2.3.3 基于暗通道理论的图像去雾 | 第17-19页 |
| 2.3.4 基于深度学习的图像去雾 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 低照度情况下基于导向滤波去雾的监控视频浓缩 | 第21-39页 |
| 3.1 引言 | 第21页 |
| 3.2 低照度情况下基于导向滤波去雾的监控视频浓缩算法介绍 | 第21-30页 |
| 3.2.1 图像去雾 | 第23页 |
| 3.2.2 求透射率图 | 第23-27页 |
| 3.2.3 基于哈希判据的透射率选择策略 | 第27页 |
| 3.2.4 低照度图像增强 | 第27页 |
| 3.2.5 前景提取和背景建模 | 第27-28页 |
| 3.2.6 结合帧间差去“鬼影” | 第28-29页 |
| 3.2.7 背景模型的更新 | 第29页 |
| 3.2.8 生成浓缩视频 | 第29-30页 |
| 3.3 实验结果 | 第30-39页 |
| 3.3.1 实验数据 | 第30页 |
| 3.3.2 实验结果的展示与分析 | 第30-39页 |
| 第四章 树叶扰动情况下的监控视频浓缩 | 第39-48页 |
| 4.1 引言 | 第39页 |
| 4.2 树叶扰动情况下的监控视频浓缩算法介绍 | 第39-45页 |
| 4.2.1 前景提取与背景建模 | 第39-44页 |
| 4.2.2 直方图比较策略 | 第44-45页 |
| 4.3 实验结果 | 第45-48页 |
| 4.3.1 实验数据 | 第45页 |
| 4.3.2 实验结果的展示与分析 | 第45-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 本文工作和创新点 | 第48-49页 |
| 5.2 前景与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间取得的科研成果 | 第55-56页 |
| 攻读硕士期间参加的主要科研项目 | 第56页 |
