| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-30页 |
| ·引言 | 第12-13页 |
| ·运动视觉基本理论、研究内容及其处理框架 | 第13-17页 |
| ·视觉计算理论 | 第13-14页 |
| ·运动视觉的研究内容 | 第14-15页 |
| ·分类与基础知识 | 第14页 |
| ·运动检测与跟踪 | 第14-15页 |
| ·刚体和柔体 | 第15页 |
| ·视频压缩与处理 | 第15页 |
| ·运动视觉处理框架 | 第15-17页 |
| ·国内外相关技术研究现状 | 第17-26页 |
| ·运动分割 | 第17-21页 |
| ·投射阴影的消除 | 第21-23页 |
| ·动态轮廓提取 | 第23-24页 |
| ·运动目标的跟踪 | 第24-26页 |
| ·本论文的研究内容 | 第26-27页 |
| ·本论文的结构安排 | 第27-30页 |
| 第二章 时空熵运动分割中的自适应门限技术 | 第30-62页 |
| ·引言 | 第30-32页 |
| ·传统二维熵门限准则简介 | 第32-35页 |
| ·熵的基本定义及性质 | 第32页 |
| ·二维熵门限准则 | 第32-35页 |
| ·二维熵门限快速计算方法 | 第35-49页 |
| ·简介 | 第35-36页 |
| ·二维熵门限快速迭代算法 | 第36-38页 |
| ·二维熵门限的快速积分和迭代实现方式 | 第38-41页 |
| ·基于帧间差分信息的二维时空熵门限运动检测 | 第41-43页 |
| ·基于背景减除的二维时空熵门限运动检测 | 第43-49页 |
| ·算法思想 | 第43-46页 |
| ·实验结果与分析 | 第46-49页 |
| ·二维时空模糊熵准则的运动检测算法研究 | 第49-61页 |
| ·简介 | 第49-50页 |
| ·模糊子集的定义、表示方法及基本性质 | 第50-51页 |
| ·二维模糊熵准则 | 第51-53页 |
| ·二维模糊熵门限快速算法 | 第53-57页 |
| ·二维模糊熵门限运动检测算法 | 第57-58页 |
| ·实验结果与分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第三章 基于色调畸变和纹理特征的阴影消除算法 | 第62-78页 |
| ·引言 | 第62页 |
| ·阴影消除相关算法研究及性能比较 | 第62-67页 |
| ·统计非参数方法 | 第63-64页 |
| ·统计参数方法 | 第64页 |
| ·确定性的不基于模型的方法 | 第64-65页 |
| ·确定性的基于模型的方法 | 第65-66页 |
| ·其它方法 | 第66-67页 |
| ·利用色调畸变和纹理特征进行阴影的消除 | 第67-76页 |
| ·简介 | 第67-68页 |
| ·阴影模型 | 第68-69页 |
| ·色调变化与颜色值以及饱和度信息的关系 | 第69-70页 |
| ·运动区域检测及阴影消除 | 第70-73页 |
| ·颜色模型及向量夹角 | 第70-72页 |
| ·阴影区域的纹理特征 | 第72-73页 |
| ·实验结果与分析 | 第73-76页 |
| ·算法总结 | 第76-78页 |
| 第四章 彩色图像序列中运动目标外轮廓的精确提取 | 第78-90页 |
| ·引言 | 第78-79页 |
| ·Snake 模型能量函数的定义及其最小化方式 | 第79-82页 |
| ·Snake 模型能量函数的定义 | 第79-80页 |
| ·动态规划及贪婪算法 | 第80-82页 |
| ·动态规划算法 | 第80-81页 |
| ·贪婪算法 | 第81-82页 |
| ·彩色图像序列中多运动物体外轮廓自动提取算法 | 第82-86页 |
| ·基本思想 | 第82页 |
| ·指数滤波取代高斯滤波 | 第82-84页 |
| ·能量函数及其最小化 | 第84-86页 |
| ·实验结果与分析 | 第86-89页 |
| ·算法总结 | 第89-90页 |
| 第五章 动态目标建模的粒子滤波视觉跟踪算法 | 第90-112页 |
| ·引言 | 第90-91页 |
| ·粒子滤波基本概念及原理 | 第91-99页 |
| ·简介 | 第91-92页 |
| ·离散贝叶斯滤波系统 | 第92-93页 |
| ·蒙特卡洛采样 | 第93-94页 |
| ·贝叶斯重要性采样 | 第94-95页 |
| ·序列化重要性采样 | 第95-97页 |
| ·基本概念 | 第95-96页 |
| ·序列化重要性采样算法的衰减和重采样 | 第96-97页 |
| ·粒子滤波一般算法描述 | 第97-98页 |
| ·粒子数目N 的选取 | 第98-99页 |
| ·基于动态建模的粒子滤波目标跟踪算法 | 第99-110页 |
| ·基本思想 | 第99-100页 |
| ·粒子滤波框架下的视觉跟踪原理 | 第100-101页 |
| ·目标的特征建模及其状态模型的定义 | 第101-102页 |
| ·似然函数的定义 | 第102-106页 |
| ·各类特征对目标和背景区分度的计算 | 第103-104页 |
| ·各类特征置信度的自适应调整及其似然函数噪声的在线估计和更新 | 第104-106页 |
| ·实验结果与分析 | 第106-110页 |
| ·本章小节 | 第110-112页 |
| 结束语 | 第112-115页 |
| 致谢 | 第115-116页 |
| 攻博期间的研究成果 | 第116-118页 |
| 参考文献 | 第118-129页 |