| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.2 矩阵的低秩表达理论 | 第11-13页 |
| 1.2.1 矩阵填充 | 第12-13页 |
| 1.2.2 矩阵恢复 | 第13页 |
| 1.3 矩阵低秩表达的应用举例 | 第13-18页 |
| 1.4 本文的研究工作与章节安排 | 第18-20页 |
| 第二章 已有的采用低秩矩阵恢复的视频处理方法 | 第20-28页 |
| 2.1 已有的基于低秩矩阵恢复的视频去噪算法 | 第20-23页 |
| 2.1.1 研究背景概述 | 第20-21页 |
| 2.1.2 Ji等人的视频去噪算法 | 第21-22页 |
| 2.1.3 Lu等人的视频去噪算法 | 第22-23页 |
| 2.2 基于低秩矩阵恢复的传统视频前景提取算法 | 第23-27页 |
| 2.2.1 研究背景概述 | 第23-24页 |
| 2.2.2 Candes等人的视频前景提取算法 | 第24-25页 |
| 2.2.3 Peng等人的视频前景提取算法及其他改进算法 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 应用残差总变分及低秩表示的视频去噪方法 | 第28-41页 |
| 3.1 基于3DRTV和低秩表示的视频去噪算法 | 第28-36页 |
| 3.1.1 3DRTV算子 | 第28-30页 |
| 3.1.2 采用3DRTV算子的去噪算法 | 第30-32页 |
| 3.1.3 实验结果与分析 | 第32-35页 |
| 3.1.4 复杂度分析 | 第35-36页 |
| 3.2 基于Matlab的视频去噪平台开发 | 第36-40页 |
| 3.2.1 系统的总体结构 | 第36-37页 |
| 3.2.2 系统界面 | 第37-38页 |
| 3.2.3 按钮功能 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 采用低秩与加权稀疏分解的视频前景检测方法 | 第41-59页 |
| 4.1 基于低秩与加权稀疏分解的视频前景检测算法 | 第41-54页 |
| 4.1.1 低秩与加权稀疏分解模型 | 第41-45页 |
| 4.1.2 优化问题的求解及算法流程 | 第45-46页 |
| 4.1.3 实验设置 | 第46-47页 |
| 4.1.4 无噪情况下的实验结果 | 第47-50页 |
| 4.1.5 有噪情况下的实验结果 | 第50-53页 |
| 4.1.6 复杂度分析 | 第53-54页 |
| 4.2 基于Matlab的视频前景检测平台开发 | 第54-58页 |
| 4.2.1 系统的总体结构 | 第54-56页 |
| 4.2.2 系统界面 | 第56页 |
| 4.2.3 按钮功能 | 第56-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 论文工作总结 | 第59-60页 |
| 5.2 研究展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间的研究成果 | 第67页 |