| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-11页 |
| 目录 | 第11-13页 |
| 第一章 绪论 | 第13-35页 |
| ·选题的意义 | 第13-15页 |
| ·相关研究综述 | 第15-31页 |
| ·视频编码技术及视频编码技术标准的发展 | 第15-22页 |
| ·基于压缩域的视频分割技术 | 第22-28页 |
| ·基于压缩域的视频特征提取技术 | 第28-30页 |
| ·小结 | 第30-31页 |
| ·主要研究内容和论文组织结构 | 第31-35页 |
| ·主要研究内容 | 第31-33页 |
| ·论文组织结构 | 第33-35页 |
| 第二章 基于H.264压缩域的场景切换检测算法 | 第35-47页 |
| ·H.264编码工具对场景切换检测算法的影响 | 第37-38页 |
| ·场景突变检测 | 第38-41页 |
| ·场景渐变检测 | 第41-43页 |
| ·实验结果与分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 基于H.264压缩域的空间对象分割算法 | 第47-79页 |
| ·背景建模与前景对象分割算法 | 第49-57页 |
| ·块残差能量图 | 第49-52页 |
| ·混合高斯模型背景建模与前景对象分割 | 第52-54页 |
| ·实验结果与分析 | 第54-57页 |
| ·小结 | 第57页 |
| ·运动对象分割算法 | 第57-77页 |
| ·动态区域划分与更新 | 第58-60页 |
| ·自适应运动矢量滤波 | 第60-63页 |
| ·基于Gibbs势能函数的运动对象分割算法 | 第63-69页 |
| ·基于细胞神经网络的运动对象分割算法 | 第69-77页 |
| ·本章小结 | 第77-79页 |
| 第四章 基于H.264Ⅰ帧编码的块边缘模式特征提取算法 | 第79-91页 |
| ·H.264的帧内预测模式与块边缘模式的关系 | 第80-81页 |
| ·块边缘模式特征提取算法 | 第81-86页 |
| ·块边缘模式直方图 | 第86页 |
| ·实验结果与分析 | 第86-89页 |
| ·本章小结 | 第89-91页 |
| 第五章 基于H.264压缩域的运动特征提取算法 | 第91-103页 |
| ·对象初始位置选取 | 第92-94页 |
| ·前景对象分割 | 第92-93页 |
| ·纹理匹配 | 第93-94页 |
| ·运动对象分割 | 第94-95页 |
| ·运动对象跟踪 | 第95-97页 |
| ·运动轨迹特征提取 | 第97-98页 |
| ·实验结果与分析 | 第98-100页 |
| ·本章小结 | 第100-103页 |
| 第六章 面向视频监控的H.264压缩域视频检索系统原型设计 | 第103-111页 |
| ·开发背景 | 第103-105页 |
| ·视频检索系统框架 | 第105-107页 |
| ·系统原型 | 第107-109页 |
| ·本章小结 | 第109-111页 |
| 第七章 结论与展望 | 第111-115页 |
| ·结论 | 第111-113页 |
| ·展望 | 第113-115页 |
| 参考文献 | 第115-129页 |
| 攻读博士学位期间的主要研究成果 | 第129页 |