视频序列中运动物体分割的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·课题的研究背景与意义 | 第7-8页 |
| ·课题的研究现状 | 第8-10页 |
| ·本文的主要研究内容 | 第10-11页 |
| ·本文的结构安排 | 第11-13页 |
| 2 运动物体分割算法介绍 | 第13-23页 |
| ·基于运动信息的物体分割 | 第13-19页 |
| ·基于光流法的运动物体分割 | 第13-16页 |
| ·基于变化检测的运动物体分割 | 第16-19页 |
| ·基于时空信息的运动物体分割 | 第19-21页 |
| ·半自动方式的运动物体分割 | 第21页 |
| ·小结 | 第21-23页 |
| 3 基于背景差分算法的运动物体分割 | 第23-37页 |
| ·常用的背景模型 | 第23-25页 |
| ·基于简单统计的方法构造背景 | 第23页 |
| ·高斯背景模型 | 第23-24页 |
| ·其他背景模型 | 第24-25页 |
| ·初始化背景模型 | 第25-27页 |
| ·K-Means聚类算法 | 第25-26页 |
| ·基于改进的K-Means算法初始化背景 | 第26-27页 |
| ·背景模型更新 | 第27-34页 |
| ·背景亮度补偿 | 第27-31页 |
| ·短期背景更新 | 第31-32页 |
| ·长期背景更新 | 第32-34页 |
| ·基于背景差分的运动物体提取 | 第34-35页 |
| ·小结 | 第35-37页 |
| 4 联合背景差分和多尺度边缘信息的运动物体提取 | 第37-50页 |
| ·常用的图像分割方法 | 第37-41页 |
| ·基于门限技术的分割 | 第37-38页 |
| ·常用的边缘检测算法 | 第38-39页 |
| ·基于区域的分割方法 | 第39-40页 |
| ·基于全局优化的分割方法 | 第40-41页 |
| ·多尺度金字塔图像的边缘检测 | 第41-47页 |
| ·Canny边缘检测 | 第42页 |
| ·多尺度金字塔图像 | 第42-43页 |
| ·基于多尺度图像的边缘检测 | 第43-47页 |
| ·联合背景差分和多尺度边缘信息的运动物体分割 | 第47-48页 |
| ·阴影检测 | 第48-49页 |
| ·小结 | 第49-50页 |
| 5 试验结果及应用 | 第50-55页 |
| ·实验结果及分析 | 第50-52页 |
| ·实验应用 | 第52-54页 |
| ·小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录 | 第63页 |
