| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 自动视频分割算法 | 第10页 |
| 1.2.2 半自动视频分割算法 | 第10-11页 |
| 1.2.3 基于时序信息的视频分割算法 | 第11页 |
| 1.2.4 基于空间信息的视频分割算法 | 第11页 |
| 1.2.5 联合时空信息的视频分割算法 | 第11-12页 |
| 1.3 论文主要研究工作介绍 | 第12-13页 |
| 1.4 论文总体结构 | 第13-14页 |
| 2 相关工作概述 | 第14-27页 |
| 2.1 聚类算法简介 | 第14-18页 |
| 2.1.1 层次聚类算法 | 第14-16页 |
| 2.1.2 划分聚类算法 | 第16-17页 |
| 2.1.3 网格和密度聚类算法 | 第17-18页 |
| 2.2 运动目标检测技术简介 | 第18-20页 |
| 2.2.1 背景减除算法 | 第18页 |
| 2.2.2 帧差法 | 第18-19页 |
| 2.2.3 光流法 | 第19-20页 |
| 2.3 颜色空间简介 | 第20-23页 |
| 2.3.1 RGB颜色空间 | 第20-21页 |
| 2.3.2 HSV颜色空间 | 第21-22页 |
| 2.3.3 CIE颜色空间 | 第22-23页 |
| 2.4 视频对象分割算法简介 | 第23-27页 |
| 2.4.1 Key-Segments视频分割算法 | 第23-25页 |
| 2.4.2 基于全局运动约束与马尔科夫随机场的视频分割算法 | 第25-27页 |
| 3 视频图像预处理 | 第27-38页 |
| 3.1 背景减除技术 | 第27-29页 |
| 3.1.1 均值滤波算法 | 第27-28页 |
| 3.1.2 码本算法 | 第28页 |
| 3.1.3 高斯背景模型算法 | 第28页 |
| 3.1.4 视觉背景抽取算法 | 第28-29页 |
| 3.2 数学形态学 | 第29-32页 |
| 3.2.1 平移和反射 | 第29-30页 |
| 3.2.2 腐蚀 | 第30-31页 |
| 3.2.3 膨胀 | 第31页 |
| 3.2.4 开运算与闭运算 | 第31-32页 |
| 3.3 超像素分割 | 第32-33页 |
| 3.4 基于视觉背景抽取与Slic的视频图像预处理 | 第33-35页 |
| 3.4.1 视觉背景抽取算法 | 第33-34页 |
| 3.4.2 基于梯度下降的超像素分割算法 | 第34-35页 |
| 3.5 视频图像预处理实验 | 第35-38页 |
| 3.5.1 实验数据 | 第35页 |
| 3.5.2 实验结果 | 第35-37页 |
| 3.5.3 实验结果分析 | 第37-38页 |
| 4 基于超像素联接权模型的视频分割算法 | 第38-49页 |
| 4.1 联接权模型 | 第38-40页 |
| 4.1.1 像素与超像素表示 | 第38-39页 |
| 4.1.2 匹配与联接 | 第39-40页 |
| 4.2 联接权算法 | 第40-44页 |
| 4.2.1 空间信息提取 | 第40-42页 |
| 4.2.2 时序信息提取 | 第42页 |
| 4.2.3 联合时空信息计算 | 第42-43页 |
| 4.2.4 联接权算法的伪代码实现 | 第43-44页 |
| 4.3 匹配约束 | 第44-49页 |
| 4.3.1 颜色约束 | 第44页 |
| 4.3.2 运动约束 | 第44-46页 |
| 4.3.3 匹配约束下的联合匹配概率计算 | 第46-47页 |
| 4.3.4 联合匹配概率算法的伪代码实现 | 第47-49页 |
| 5 基于超像素联接权模型的视频分割实验 | 第49-56页 |
| 5.1 简单场景视频分割实验 | 第49-54页 |
| 5.1.1 实验数据 | 第49页 |
| 5.1.2 实验结果 | 第49-51页 |
| 5.1.3 实验结果对比 | 第51-53页 |
| 5.1.4 实验结果分析 | 第53-54页 |
| 5.2 复杂场景视频分割实验 | 第54-56页 |
| 5.2.1 实验数据 | 第54页 |
| 5.2.2 实验结果 | 第54页 |
| 5.2.3 实验结果分析 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |