摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第一章 概述 | 第13-19页 |
1.1 计算机视觉与视频目标检测 | 第13-16页 |
1.1.1 计算机视觉 | 第13-15页 |
1.1.2 视频目标检测 | 第15-16页 |
1.2 光流场 | 第16-17页 |
1.3 本文研究的内容及其意义 | 第17-19页 |
第二章 运动目标检测技术 | 第19-33页 |
2.1 背景减除(BACKGROUND SUBTRACTION) | 第20-22页 |
2.2 时间差分(TEMPORAL DIFFERENCE) | 第22-24页 |
2.3 光流法(OPTICAL FLOW) | 第24-27页 |
2.4 其他运动目标检测方法 | 第27-32页 |
2.4.1 基于变换域的方法 | 第27页 |
2.4.2 形态学方法 | 第27-28页 |
2.4.3 基于匹配的方法 | 第28-29页 |
2.4.4 基于时空信息的视频分割算法 | 第29-30页 |
2.4.5 基于统计学习的方法 | 第30-31页 |
2.4.6 混合法 | 第31-32页 |
2.5 几种主要运动目标检测算法的比较与探讨 | 第32-33页 |
第三章 光流场计算技术 | 第33-53页 |
3.1 光流场的计算技术概述 | 第33-34页 |
3.2 基于梯度的光流计算方法(微分法) | 第34-36页 |
3.3 基于区域的光流计算方法(匹配法) | 第36-41页 |
3.4 基于频域的光流计算方法(能量法和相位法) | 第41-44页 |
3.4.1 能量法 | 第41-42页 |
3.4.2 相位法 | 第42-44页 |
3.5 贝叶斯光流算法 | 第44-45页 |
3.6 基于梯度的彩色图像光流场计算理论和方法 | 第45-51页 |
3.6.1 基于三原色的彩色时变图像光流场计算[85] | 第46-48页 |
3.6.2 基于色彩和饱和度的彩色时变图像光流场计算[86] | 第48-51页 |
3.7 本章结语 | 第51-53页 |
第四章 光流场算法研究方向及其在视频目标检测上的应用研究 | 第53-68页 |
4.1 光流场计算技术研究方向 | 第53-65页 |
4.1.1 研究光流场计算不适定问题和不连续性问题和分层计算技术 | 第53-58页 |
4.1.1.1 研究光流场计算不适定问题 | 第54-56页 |
4.1.1.2 研究光流场计算不连续性问题和分层计算技术 | 第56-58页 |
4.1.2 光流场计算的实时性、精确性问题 | 第58-61页 |
4.1.3 基于运动对象轮廓的光流场计算技术 | 第61-63页 |
4.1.4 由光流场重建物体三维运动和结构 | 第63-65页 |
4.2 光流场算法的研究展望及其在视频目标检测上的应用研究 | 第65-68页 |
4.2.1 光流场算法的研究展望 | 第65-66页 |
4.2.2 光流场算法在视频目标检测上的应用研究 | 第66-68页 |
第五章 基于金字塔式的LK 光流场算法的视频目标检测技术与应用 | 第68-88页 |
5.1 基于金字塔分层计算的LK 光流场算法 | 第69-76页 |
5.1.1 角点特征检测 | 第70-72页 |
5.1.2 图像分层 | 第72-74页 |
5.1.3 基于角点匹配的光流计算 | 第74-76页 |
5.2 融合光流特征角点膨胀运动模板与分水岭算法的视频目标检测算法 | 第76-78页 |
5.2.1 基于光流特征角点膨胀的运动模板 | 第76-77页 |
5.2.2 基于光流特征角点的分水岭分割算法 | 第77-78页 |
5.2.3 本节小结 | 第78页 |
5.3 融合光流法与时间差分法的运动目标检测方法 | 第78-80页 |
5.3.1 “腐蚀”过程 | 第79页 |
5.3.2 “膨胀”过程 | 第79-80页 |
5.3.3 “与”过程 | 第80页 |
5.4 实验数据与结果分析 | 第80-86页 |
5.4.1 基于金字塔式LK 光流场算法和改进分水岭算法的实验过程与结果分析 | 第80-84页 |
5.4.2 融合光流法与时间差分法的运动目标检测方法的实验过程与结果分析 | 第84-86页 |
5.5 本章小结 | 第86-88页 |
第六章 全文总结 | 第88-90页 |
6.1 论文总结 | 第88-89页 |
6.2 研究展望 | 第89-90页 |
参考文献 | 第90-101页 |
缩略语 | 第101-102页 |
致谢 | 第102-103页 |
攻读硕士期间发表的学术论文目录 | 第103页 |