摘要 | 第5-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第12-26页 |
1.1 研究的目的和意义 | 第12-14页 |
1.2 国内外研究现状及发展趋势 | 第14-22页 |
1.2.1 前景检测的主要步骤 | 第15-18页 |
1.2.2 前景检测算法中的背景模型 | 第18-22页 |
1.3 论文的研究内容 | 第22-23页 |
1.4 论文的主要贡献 | 第23-24页 |
1.5 论文的结构安排 | 第24-26页 |
第2章 前景检测与子空间背景建模 | 第26-34页 |
2.1 前景检测任务 | 第26-27页 |
2.2 基于子空间的背景建模方法 | 第27-34页 |
2.2.1 基于主成分分析的背景子空间学习 | 第27-28页 |
2.2.2 基于鲁棒PCA的背景子空间学习方法 | 第28-32页 |
2.2.3 增量子空间学习方法 | 第32-33页 |
2.2.4 局限性分析 | 第33-34页 |
第3章 基于稀疏误差补偿的增量前景检测方法 | 第34-44页 |
3.1 引言 | 第34-35页 |
3.2 基于稀疏误差补偿的增量前景检测方法 | 第35-40页 |
3.2.1 提出的增量前景检测方法 | 第35-36页 |
3.2.2 两步优化求解算法 | 第36-40页 |
3.3 实验结果 | 第40-43页 |
3.4 小结 | 第43-44页 |
第4章 前景检测中的抗干扰误差补偿技术 | 第44-61页 |
4.1 引言及相关工作 | 第44-46页 |
4.2 增量PCA背景建模与基于单点信息的误差补偿算法 | 第46-48页 |
4.2.1 考虑前景稀疏约束的增量PCA背景建模方法 | 第46-47页 |
4.2.2 基于单点信息的误差补偿策略 | 第47-48页 |
4.3 基于空间连续性约束的抗干扰误差补偿策略 | 第48-55页 |
4.3.1 基于空间连续性约束的前景误差估计 | 第50-51页 |
4.3.2 基于alpha通道的平滑补偿策略 | 第51-53页 |
4.3.3 不依赖于子空间模型的背景补偿模板构建 | 第53-55页 |
4.4 实验结果及分析 | 第55-60页 |
4.4.1 对算法三个组成部分的有效性分析 | 第56-58页 |
4.4.2 与其它算法的对比实验 | 第58-60页 |
4.5 本章小结 | 第60-61页 |
第5章 基于互协方差的二维子空间背景建模方法 | 第61-77页 |
5.1 引言及相关工作 | 第61-62页 |
5.2 二维主成分分析方法 | 第62-64页 |
5.3 用于自适应背景估计的增量互协方差 2DPCA算法 | 第64-67页 |
5.4 基于增量互协方差 2DPCA方法的背景建模 | 第67-72页 |
5.4.1 基于互协方差 2DPCA的背景建模问题描述 | 第67-69页 |
5.4.2 联合优化求解算法 | 第69-72页 |
5.5 实验结果及分析 | 第72-76页 |
5.5.1 定量分析 | 第73-74页 |
5.5.2 定性分析 | 第74-76页 |
5.6 本章小结 | 第76-77页 |
第6章 前景检测中的自适应背景基选择方法 | 第77-105页 |
6.1 引言 | 第77-79页 |
6.1.1 基于非正交基的背景子空间模型 | 第77页 |
6.1.2 非正交背景基的选择问题 | 第77-78页 |
6.1.3 基于自适应背景基选择的前景检测方法 | 第78-79页 |
6.2 背景基矩阵的初始化构建 | 第79-88页 |
6.2.1 背景基的初步选择(背景基候选图像的选择) | 第80-82页 |
6.2.2 背景基候选图像的自适应评分 | 第82-86页 |
6.2.3 自适应的背景基选择 | 第86-88页 |
6.3 改进的背景回归模型 | 第88-90页 |
6.4 背景基矩阵的更新 | 第90-93页 |
6.4.1 背景基矩阵更新过程中的基选择 | 第90-91页 |
6.4.2 背景基的添加和替换 | 第91-93页 |
6.5 实验结果及分析 | 第93-104页 |
6.5.1 实验设置与参数选择 | 第93-94页 |
6.5.2 诊断分析与敏感性分析 | 第94-98页 |
6.5.3 与主流前景检测算法的对比 | 第98-100页 |
6.5.4 算法的定性分析 | 第100-104页 |
6.6 本章小结 | 第104-105页 |
结论 | 第105-108页 |
参考文献 | 第108-119页 |
攻读学位期间发表论文与研究成果清单 | 第119-120页 |
致谢 | 第120页 |