| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·背景及意义 | 第10-11页 |
| ·视频对象分割现状与存在的问题 | 第11-12页 |
| ·本文主要研究的内容及组织结构 | 第12-14页 |
| 第2章 视频对象分割的主要理论与方法 | 第14-30页 |
| ·引言 | 第14页 |
| ·图像分割 | 第14-21页 |
| ·阈值分割法 | 第15页 |
| ·边缘检测法 | 第15-18页 |
| ·区域分割法 | 第18-19页 |
| ·形态学分割法 | 第19-21页 |
| ·时间分割 | 第21-25页 |
| ·变化检测法 | 第21-22页 |
| ·光流法 | 第22-25页 |
| ·视频对象分割算法的性能评价 | 第25-30页 |
| ·空间准确度评价 | 第26-28页 |
| ·时间一致性评价 | 第28-30页 |
| 第3章 基于改进的分水岭变换和变化检测的快速分割算法 | 第30-38页 |
| ·引言 | 第30页 |
| ·算法概述 | 第30页 |
| ·算法实现 | 第30-35页 |
| ·多级灰度帧差 | 第30-31页 |
| ·高斯聚类 | 第31-32页 |
| ·小波变换 | 第32-33页 |
| ·改进的分水岭变换 | 第33-35页 |
| ·时空融合及后处理 | 第35页 |
| ·实验结果 | 第35-38页 |
| 第4章 基于加权视觉特性的视频对象分割算法 | 第38-52页 |
| ·人工神经网络基础 | 第38-45页 |
| ·人工神经网络概述 | 第38-42页 |
| ·自组织特征映射(SOFM) | 第42-45页 |
| ·算法概述 | 第45-46页 |
| ·加权视觉聚类 | 第46-48页 |
| ·视觉特征 | 第46-47页 |
| ·视觉特征加权及归一化 | 第47-48页 |
| ·后处理 | 第48页 |
| ·实验结果与算法评价 | 第48-52页 |
| ·实验结果 | 第48-49页 |
| ·算法评价 | 第49-52页 |
| 第5章 基于改进的支持向量机的视频对象分割算法 | 第52-60页 |
| ·SVM 基本理论 | 第52-54页 |
| ·主动学习的基本思想 | 第54页 |
| ·改进的 SVM 算法 | 第54-56页 |
| ·自适应选取样本及特征提取 | 第55页 |
| ·基于主动学习的 SVM | 第55-56页 |
| ·实验结果及算法评价 | 第56-60页 |
| ·实验结果 | 第56-58页 |
| ·算法评价 | 第58-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-72页 |
| 硕士期间发表论文 | 第72页 |