面向无人机巡航应用的场景变化视觉检测方法
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状及发展动态 | 第11-17页 |
| 1.2.1 无人机图像处理 | 第11-13页 |
| 1.2.2 场景变化检测 | 第13-17页 |
| 1.3 主要研究内容及技术路线 | 第17-18页 |
| 1.3.1 主要研究内容 | 第17页 |
| 1.3.2 技术路线 | 第17-18页 |
| 1.4 论文结构安排 | 第18-20页 |
| 第二章 视觉场景变化检测算法基础 | 第20-33页 |
| 2.1 概述 | 第20页 |
| 2.2 基础场景变化检测算法 | 第20-25页 |
| 2.2.1 基于帧间差分的方法 | 第20-21页 |
| 2.2.2 基于边缘检测的方法 | 第21页 |
| 2.2.3 基于Otsu阈值的方法 | 第21-23页 |
| 2.2.4 基于直方图比较的方法 | 第23-24页 |
| 2.2.5 基于特征点匹配的方法 | 第24-25页 |
| 2.3 基于运动目标检测的场景变化检测方法 | 第25-31页 |
| 2.3.1 背景减除法 | 第26页 |
| 2.3.2 多帧累积差分 | 第26-27页 |
| 2.3.3 核密度估计模型 | 第27-28页 |
| 2.3.4 Horn-Schunck光流法 | 第28-30页 |
| 2.3.5 Lucas-Kanade光流法 | 第30-31页 |
| 2.4 场景变化检测算法的评价 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 结合时空显著性的场景变化检测 | 第33-48页 |
| 3.1 概述 | 第33页 |
| 3.2 显著性检测方法 | 第33-36页 |
| 3.3 结合时空显著性的检测方法 | 第36-47页 |
| 3.3.1 基本流程及思路 | 第36-37页 |
| 3.3.2 时空显著性提取 | 第37-39页 |
| 3.3.3 提取场景变化区域 | 第39-40页 |
| 3.3.4 算法具体步骤 | 第40-41页 |
| 3.3.5 算法仿真与结果分析 | 第41-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于广义高斯混合模型的场景变化检测 | 第48-68页 |
| 4.1 概述 | 第48页 |
| 4.2 背景建模方法 | 第48-52页 |
| 4.2.1 W4法 | 第49页 |
| 4.2.2 维纳滤波法 | 第49-50页 |
| 4.2.3 本征背景模型法 | 第50页 |
| 4.2.4 高斯混合模型 | 第50-52页 |
| 4.3 广义高斯混合模型场景变化检测方法 | 第52-62页 |
| 4.3.1 基本流程及思路 | 第52-53页 |
| 4.3.2 建立广义高斯混合模型 | 第53页 |
| 4.3.3 提取场景变化区域 | 第53-55页 |
| 4.3.4 算法具体实现步骤 | 第55-57页 |
| 4.3.5 算法仿真及结果分析 | 第57-62页 |
| 4.4 场景变化检测算法的应用 | 第62-67页 |
| 4.4.1 图像处理算法库项目简介 | 第62-63页 |
| 4.4.2 运动及场景变化检测模块的实现 | 第63-64页 |
| 4.4.3 无人机巡航中的场景变化 | 第64-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 工作总结 | 第68-69页 |
| 5.2 工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-78页 |
| 攻硕期间取得的研究成果 | 第78-79页 |
