基于内容多媒体应用的语义视频对象提取及评价
| 第一章 绪论 | 第1-31页 |
| ·问题背景 | 第15-17页 |
| ·视频对象分割的综述 | 第17-27页 |
| ·视频分割与图像分割的关系 | 第17-18页 |
| ·视频对象分割算法的分类 | 第18-20页 |
| ·研究现状及存在的问题 | 第20-27页 |
| ·论文研究的内容 | 第27-28页 |
| ·论文的主要贡献及结构 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第二章 视频对象分割基础 | 第31-56页 |
| ·数学形态学 | 第31-37页 |
| ·二值形态学的基本运算 | 第31-33页 |
| ·灰度数学形态学 | 第33-35页 |
| ·形态学图像处理 | 第35-37页 |
| ·图像分割 | 第37-43页 |
| ·色度空间的直方图阈值 | 第38-40页 |
| ·色度空间聚类 | 第40-41页 |
| ·分裂合并 | 第41-42页 |
| ·分水岭变换 | 第42-43页 |
| ·运动估计 | 第43-49页 |
| ·二维运动和表征运动 | 第43-44页 |
| ·光流场法 | 第44-46页 |
| ·位移矢量场估计 | 第46-49页 |
| ·对象跟踪 | 第49-55页 |
| ·活动轮廓模型 | 第50-52页 |
| ·豪斯多夫对象跟踪 | 第52-53页 |
| ·变化检测 | 第53-55页 |
| ·卡尔曼滤波器对象跟踪 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第三章 全自动视频对象分割 | 第56-74页 |
| ·基于背景记录和变化检测的全自动分割算法 | 第56-63页 |
| ·算法概述 | 第56-57页 |
| ·算法实现 | 第57-61页 |
| ·实验结果 | 第61-63页 |
| ·基于小波分解和分水岭变换的分割算法 | 第63-73页 |
| ·算法原理 | 第63页 |
| ·时间分割 | 第63-66页 |
| ·空间分割 | 第66-69页 |
| ·小波分解 | 第66-67页 |
| ·分水岭变换 | 第67-69页 |
| ·时、空分割融合 | 第69-70页 |
| ·仿真结果分析 | 第70-73页 |
| ·实验结果 | 第70-71页 |
| ·算法评价准则 | 第71-72页 |
| ·本算法的性能评价 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第四章 半自动视频对象分割算法 | 第74-98页 |
| ·半自动分割算法概述 | 第74-77页 |
| ·半自动视频分割算法 | 第77-96页 |
| ·算法概述 | 第77-78页 |
| ·初始对象轮廓提取 | 第78-84页 |
| ·对象跟踪 | 第84-94页 |
| ·实验结果 | 第94-96页 |
| ·本章小结 | 第96-98页 |
| 第五章 基于细胞神经网络的视频对象分割算法 | 第98-119页 |
| ·细胞神经网络 | 第98-107页 |
| ·简介 | 第98-102页 |
| ·细胞神经网络的开发工具 | 第102-106页 |
| ·细胞神经网络在图像和视频处理方面的研究现状 | 第106-107页 |
| ·针对头肩序列的视频对象分割算法 | 第107-117页 |
| ·头肩序列的特点 | 第107-108页 |
| ·视频分割算法 | 第108-110页 |
| ·分割算法的CNN实现及实验结果 | 第110-117页 |
| ·CNN模板的设计方法简介 | 第117-118页 |
| ·本章小结 | 第118-119页 |
| 第六章 视频分割算法的性能评价 | 第119-130页 |
| ·视频分割算法的性能评价概述 | 第119-120页 |
| ·分割评价现状 | 第120-122页 |
| ·客观性能评价方法 | 第122-128页 |
| ·空间准确度 | 第122-125页 |
| ·时间一致性 | 第125页 |
| ·实验结果 | 第125-128页 |
| ·不同的评价标准的执行效率比较 | 第128页 |
| ·本章小结 | 第128-130页 |
| 第七章 结论及进一步工作 | 第130-133页 |
| ·论文工作总结 | 第130-131页 |
| ·进一步的工作 | 第131-133页 |
| 参考文献 | 第133-141页 |
| 附录1 | 第141-142页 |
| 附录2 | 第142-144页 |
| 作者攻读学位期间发表的学术论文 | 第144-145页 |
| 致谢 | 第145页 |
