| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-20页 |
| ·引言 | 第11-12页 |
| ·国内外研究现状及研究方法综述 | 第12-17页 |
| ·研究现状 | 第12-13页 |
| ·研究方法综述 | 第13-17页 |
| ·课题研究的主要内容及创新点 | 第17-19页 |
| ·本课题的主要内容 | 第17-18页 |
| ·本文的创新点 | 第18-19页 |
| ·论文结构 | 第19-20页 |
| 2 基于脉冲耦合神经网络(PCNN)的噪声滤波器 | 第20-35页 |
| ·本章概述 | 第20页 |
| ·脉冲耦合神经网络(PCNN)原理 | 第20-27页 |
| ·Eckhorn 神经元简介 | 第20-24页 |
| ·脉冲耦合神经网络的使用方法分析 | 第24-27页 |
| ·脉冲耦合神经网络的简化模型 | 第27-29页 |
| ·基于PCNN 简化模型的中值滤波器的设计与仿真试验 | 第29-33页 |
| ·基于PCNN 简化模型的中值滤波器的设计 | 第29-30页 |
| ·仿真试验 | 第30-33页 |
| ·本章小结与算法评价 | 第33-35页 |
| 3 高斯混合模型和帧间梯度信息的人体目标分割算法 | 第35-54页 |
| ·基本思路 | 第35页 |
| ·背景混合高斯模型的建模 | 第35-37页 |
| ·背景建模中存在的问题分析 | 第35-36页 |
| ·混合高斯分布背景模型 | 第36-37页 |
| ·基于亮度信息的高斯混合模型分割方法 | 第37-41页 |
| ·分割原理 | 第37-39页 |
| ·模型匹配与更新 | 第39-41页 |
| ·帧间光照变化的检测 | 第41-42页 |
| ·基于帧间梯度的BAYES 分割改进算法 | 第42-44页 |
| ·帧间梯度向量表 | 第42-44页 |
| ·Bayes 判据进行二次分割原理 | 第44页 |
| ·人体阴影的消除 | 第44-50页 |
| ·阴影检测差分法 | 第44-45页 |
| ·阴影检测阈值法 | 第45-48页 |
| ·HSV 空间阴影检测 | 第48-50页 |
| ·试验结果 | 第50-52页 |
| ·本章小结与算法评价 | 第52-54页 |
| 4 基于贝叶斯分类模型和局部相关性的目标检测 | 第54-69页 |
| ·算法概述 | 第54-56页 |
| ·贝叶斯分类模型 | 第56-63页 |
| ·贝叶斯统计判决定理 | 第56-57页 |
| ·特征向量表 | 第57-60页 |
| ·粗分割算法描述 | 第60-63页 |
| ·局部相关性测量 | 第63-67页 |
| ·局部纹理的相关性 | 第63-64页 |
| ·帧间连续性测量 | 第64-65页 |
| ·形态学后处理及再分割过程 | 第65-67页 |
| ·试验结果与分析 | 第67-68页 |
| ·本章小结与算法评价 | 第68-69页 |
| 5 基于肤色的维纳一步预测模型人体目标检测算法 | 第69-87页 |
| ·基本思路 | 第69页 |
| ·HSV 彩色空间中直方图的初始化 | 第69-73页 |
| ·皮肤和背景分布的直方图建立 | 第69-70页 |
| ·HSV 彩色空间选择 | 第70-73页 |
| ·BAYES 分类器原理 | 第73-74页 |
| ·直方图帧间变化的三维仿射变换模型 | 第74-77页 |
| ·三维仿射变换表征直方图帧间变化可行性 | 第74页 |
| ·三维仿射变换8 参数的几何含义 | 第74-77页 |
| ·八维参数向量的维纳一步预测模型 | 第77-81页 |
| ·预测方法的选择 | 第77-78页 |
| ·维纳一步预测原理 | 第78-80页 |
| ·预测误差 | 第80-81页 |
| ·直方图的预测更新 | 第81-83页 |
| ·试验结果与分析 | 第83-86页 |
| ·本章小节与算法评价 | 第86-87页 |
| 6 总结与展望 | 第87-89页 |
| ·总结 | 第87-88页 |
| ·展望 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-96页 |
| 附录：与该研究方向有关的发表论文（第一作者） | 第96页 |