基于视频图像的运动目标与阴影检测算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状及其进展 | 第9-11页 |
| 1.2.1 运动目标检测算法研究现状 | 第9-10页 |
| 1.2.2 运动阴影检测算法研究现状 | 第10-11页 |
| 1.3 本文主要研究内容及结构安排 | 第11-13页 |
| 1.3.1 论文主要研究内容 | 第11-12页 |
| 1.3.2 论文结构安排 | 第12-13页 |
| 第二章 视频图像处理基本知识 | 第13-22页 |
| 2.1 引言 | 第13页 |
| 2.2 图像滤波方法 | 第13-15页 |
| 2.3 颜色空间模型 | 第15-17页 |
| 2.3.1 RGB空间模型 | 第15-16页 |
| 2.3.2 HSV空间模型 | 第16-17页 |
| 2.3.3 颜色空间转换 | 第17页 |
| 2.4 彩色图像灰度化 | 第17-18页 |
| 2.5 灰度图像二值化 | 第18-20页 |
| 2.6 形态学操作 | 第20-21页 |
| 2.7 本章小结 | 第21-22页 |
| 第三章 基于像素点状态自适应更新的ViBe算法 | 第22-41页 |
| 3.1 引言 | 第22页 |
| 3.2 运动目标检测算法 | 第22-27页 |
| 3.2.1 光流法 | 第22-23页 |
| 3.2.2 帧间差分法 | 第23-25页 |
| 3.2.3 背景差分法 | 第25-26页 |
| 3.2.4 算法比较 | 第26-27页 |
| 3.3 背景建模方法 | 第27-32页 |
| 3.3.1 中值法 | 第27页 |
| 3.3.2 滑动平均法 | 第27页 |
| 3.3.3 码本模型法 | 第27-28页 |
| 3.3.4 高斯模型法 | 第28-30页 |
| 3.3.5 ViBe算法 | 第30-32页 |
| 3.4 基于像素点状态自适应更新的ViBe算法 | 第32-40页 |
| 3.4.1 ViBe算法优缺点 | 第32页 |
| 3.4.2 算法步骤 | 第32-34页 |
| 3.4.3 实验仿真与分析 | 第34-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于多特征融合的运动阴影检测算法 | 第41-54页 |
| 4.1 引言 | 第41页 |
| 4.2 阴影形成原理和类别 | 第41-42页 |
| 4.2.1 阴影形成原理 | 第41页 |
| 4.2.2 阴影分类 | 第41-42页 |
| 4.3 基于单一特征的运动阴影检测算法 | 第42-46页 |
| 4.3.1 基于颜色特征的运动阴影检测算法 | 第42-44页 |
| 4.3.2 基于纹理特征的运动阴影检测算法 | 第44-46页 |
| 4.4 基于多特征融合的运动阴影检测算法 | 第46-53页 |
| 4.4.1 算法步骤 | 第47-51页 |
| 4.4.2 实验仿真与分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54-55页 |
| 5.2 工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 个人简历 在读期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |
