| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 课题研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 本论文主要内容及章节安排 | 第18-19页 |
| 第二章 运动目标检测基础理论研究 | 第19-32页 |
| 2.1 视频图像处理基础 | 第19-26页 |
| 2.1.1 图像的灰度化处理 | 第19-21页 |
| 2.1.2 图像的噪声处理 | 第21-24页 |
| 2.1.3 图像的二值化处理 | 第24-25页 |
| 2.1.4 图像的形态学处理 | 第25-26页 |
| 2.2 几种常用的运动目标检测算法 | 第26-30页 |
| 2.2.1 帧间差分法 | 第26-27页 |
| 2.2.2 背景减除法 | 第27-29页 |
| 2.2.3 光流法 | 第29-30页 |
| 2.3 运动目标检测算法的评价标准 | 第30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于子空间学习的运动目标检测算法 | 第32-38页 |
| 3.1 主成分分析算法 | 第32-33页 |
| 3.2 鲁棒主成分分析算法 | 第33-35页 |
| 3.3 两级鲁棒主成分分析算法 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 优化处理动态背景的鲁棒主成分分析运动目标检测算法 | 第38-48页 |
| 4.1 RPCA算法的动态背景处理 | 第38-41页 |
| 4.1.1 问题的产生 | 第38页 |
| 4.1.2 优化处理算法 | 第38-41页 |
| 4.2 实验结果与分析 | 第41-47页 |
| 4.2.1 定性分析 | 第42-45页 |
| 4.2.2 定量分析 | 第45-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第五章 结合显著性检测的RPCA运动目标检测算法 | 第48-59页 |
| 5.1 运动目标检测算法中的漏检问题 | 第48页 |
| 5.2 显著性检测算法概述 | 第48-51页 |
| 5.3 结合显著性检测的RPCA运动目标检测算法 | 第51-53页 |
| 5.3.1 场景简单情况下的优化策略 | 第51-52页 |
| 5.3.2 场景复杂情况下的优化策略 | 第52-53页 |
| 5.4 实验结果与分析 | 第53-58页 |
| 5.4.1 场景简单情况下的实验结果与分析 | 第54-56页 |
| 5.4.2 场景复杂情况下的实验结果与分析 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结和展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第65-66页 |