| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究的目的和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 内河船舶检测系统国内外研究现状 | 第12-13页 |
| 1.2.2 背景减除法国内外研究现状 | 第13-15页 |
| 1.2.3 基于背景减除法的内河运动船舶检测研究现状 | 第15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第2章 内河运动船舶视觉检测系统分析 | 第18-23页 |
| 2.1 特点分析 | 第18-19页 |
| 2.2 难点分析 | 第19-20页 |
| 2.3 算法性能评价指标 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 稀疏表示和显著性检测相结合的内河运动船舶检测算法 | 第23-41页 |
| 3.1 稀疏表示和字典学习 | 第23-26页 |
| 3.1.1 正交匹配追踪算法 | 第24-25页 |
| 3.1.2 字典学习 | 第25-26页 |
| 3.2 基于稀疏表示的背景建模 | 第26-28页 |
| 3.3 内河图像显著区域提取 | 第28-31页 |
| 3.3.1 AC模型 | 第28-29页 |
| 3.3.2 Var模型 | 第29-30页 |
| 3.3.3 显著图融合 | 第30-31页 |
| 3.4 像素分类与背景更新 | 第31-33页 |
| 3.5 算法分析 | 第33-40页 |
| 3.5.1 理论分析 | 第34页 |
| 3.5.2 实验分析 | 第34-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于自平衡敏感分割的内河运动船舶检测 | 第41-54页 |
| 4.1 算法原理 | 第41-48页 |
| 4.1.1 局部二值相似模式 | 第42-44页 |
| 4.1.2 背景建模 | 第44页 |
| 4.1.3 像素分类与背景更新 | 第44-46页 |
| 4.1.4 参数自适应反馈机制 | 第46-48页 |
| 4.2 算法优化 | 第48-49页 |
| 4.2.1 后处理优化 | 第48页 |
| 4.2.2 时间优化 | 第48-49页 |
| 4.3 实验分析 | 第49-53页 |
| 4.3.1 定性分析 | 第49-51页 |
| 4.3.2 定量分析 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 视频库建立与算法实验平台设计 | 第54-67页 |
| 5.1 视频库建立 | 第54-57页 |
| 5.2 算法实验平台设计 | 第57-66页 |
| 5.2.1 关键技术实现 | 第59-60页 |
| 5.2.2 平台功能 | 第60-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 主要工作总结 | 第67-68页 |
| 6.2 后续工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第74-75页 |
| 作者在攻读硕士学位期间参与的项目 | 第75页 |