| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题研究的背景及意义 | 第8-9页 |
| ·稀疏表示的研究现状 | 第9-10页 |
| ·运动目标检测研究进展 | 第10-13页 |
| ·帧间差分法 | 第10-11页 |
| ·背景差分法 | 第11-12页 |
| ·光流法 | 第12-13页 |
| ·基于稀疏表示的目标检测在国内外的研究现状 | 第13-14页 |
| ·本文主要工作及内容安排 | 第14-16页 |
| 第二章 稀疏表示相关理论 | 第16-31页 |
| ·稀疏表示的基本概念 | 第16-23页 |
| ·稀疏表示理论 | 第16-17页 |
| ·稀疏分解算法 | 第17-23页 |
| ·字典学习理论与 K-SVD 字典学习 | 第23-27页 |
| ·字典学习理论 | 第23页 |
| ·K-SVD 字典学习 | 第23-27页 |
| ·RPCA 理论 | 第27-30页 |
| ·主成分分析法（PCA） | 第27-29页 |
| ·鲁棒性主成分分析（RPCA） | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 改进的基于 K-SVD 的运动目标检测算法 | 第31-41页 |
| ·引言 | 第31-32页 |
| ·相关工作 | 第32-33页 |
| ·背景差分算法原理 | 第32页 |
| ·多帧平均算法原理 | 第32-33页 |
| ·一种改进的 K-SVD 运动目标检测算法 | 第33-40页 |
| ·算法思想 | 第33-34页 |
| ·算法步骤 | 第34-36页 |
| ·实验分析 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 一种改进的 RPCA 运动目标检测算法 | 第41-55页 |
| ·引言 | 第41-42页 |
| ·求解 RPCA 模型 | 第42-46页 |
| ·迭代阈值(IT)算法 | 第42-43页 |
| ·加速近似梯度(APG)算法 | 第43页 |
| ·精确的增广拉格朗日乘子(EALM)算法 | 第43-44页 |
| ·非精确增广拉格朗日乘子(IALM)算法 | 第44-45页 |
| ·主成分追踪(PCP)算法 | 第45-46页 |
| ·基于 PCP 的块稀疏 RPCA 运动目标检测算法 | 第46-54页 |
| ·算法思想 | 第46-47页 |
| ·算法步骤 | 第47-51页 |
| ·实验结果与分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·主要工作回顾 | 第55页 |
| ·本课题今后需进一步研究的地方 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 个人简历 在读期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |