基于SOFM的视频对象分割算法的研究
| 第一章 绪论 | 第1-13页 |
| ·引言 | 第8-9页 |
| ·视频编码标准简介 | 第9-11页 |
| ·选题意义及文章组织结构 | 第11-13页 |
| 第二章 人工神经网络技术及其在图像领域的应用 | 第13-23页 |
| ·人工神经网络概述 | 第13-16页 |
| ·人工神经网络模型 | 第16-19页 |
| ·神经元的结构模型 | 第16-17页 |
| ·神经网络的互联模式 | 第17-19页 |
| ·人工神经网络在图像领域的应用 | 第19-23页 |
| ·图像预处理 | 第20-21页 |
| ·图像分割 | 第21-22页 |
| ·图像识别 | 第22-23页 |
| 第三章 视频分割技术与总体方案设计 | 第23-37页 |
| ·视频分割概述 | 第23-25页 |
| ·视频分割中的关键技术 | 第25-29页 |
| ·基于光流法的分割 | 第26页 |
| ·基于变化区域检测的时空法 | 第26-28页 |
| ·运动跟踪算法 | 第28-29页 |
| ·本文总体设计方案 | 第29-31页 |
| ·特征信息提取算法 | 第31-37页 |
| ·颜色特征提取 | 第32-33页 |
| ·纹理特征的提取 | 第33-34页 |
| ·运动特征的提取 | 第34-35页 |
| ·特征综合 | 第35-37页 |
| 第四章 基于SOFM 的视频对象分割方案 | 第37-48页 |
| ·聚类分析 | 第37-41页 |
| ·概述 | 第37-39页 |
| ·图像分类 | 第39页 |
| ·K-mean 算法 | 第39-41页 |
| ·人工神经网络与聚类分割 | 第41-48页 |
| ·人工神经网络的特性及其优势 | 第41-42页 |
| ·自组织特征映射网络（SOFM） | 第42-45页 |
| ·SOFM 聚类的实现 | 第45-48页 |
| 第五章 对象生成与仿真分析 | 第48-70页 |
| ·边缘检测和连接 | 第48-55页 |
| ·边缘检测 | 第49-50页 |
| ·边缘连接算法 | 第50-53页 |
| ·形态运算覆盖边缘 | 第53-55页 |
| ·改进的区域合并算法 | 第55-56页 |
| ·虫洞填充算法与孤立点去除 | 第56-58页 |
| ·仿真结果与评估 | 第58-70页 |
| ·结果与评估 | 第58-69页 |
| ·下一步的工作 | 第69-70页 |
| 第六章 结论 | 第70-72页 |
| ·工作总结 | 第70-71页 |
| ·前景展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 摘要 | 第76-79页 |
| ABSTRACT | 第79-82页 |
| 致谢 | 第82-83页 |
| 导师及作者简介 | 第83页 |
