| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 视频监控系统的研究现状及发展 | 第10-12页 |
| 1.2.1 基于 PC 机的视频采集系统 | 第10-11页 |
| 1.2.2 基于专用视频图像芯片的视频处理系统 | 第11页 |
| 1.2.3 基于高速 DSP 的视频处理系统 | 第11-12页 |
| 1.3 泳池水下视频监控系统的特点及国内外研究现状 | 第12-13页 |
| 1.4 视频监控中目标检测研究现状和难点 | 第13-14页 |
| 1.4.1 目标检测的研究现状 | 第13-14页 |
| 1.4.2 泳池水下视频监控系统中目标检测的难点 | 第14页 |
| 1.5 论文主要工作及结构安排 | 第14-17页 |
| 第2章 视频图像预处理算法研究 | 第17-27页 |
| 2.1 高斯低通滤波 | 第17-19页 |
| 2.2 基于自适应小波变换的水下视频图像去噪 | 第19-26页 |
| 2.2.1 小波变换的理论基础 | 第19-22页 |
| 2.2.2 小波去噪的原理 | 第22页 |
| 2.2.3 基于自适应小波去噪的算法研究 | 第22-25页 |
| 2.2.4 实验结果分析 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 视频中目标检测技术的研究 | 第27-41页 |
| 3.1 概述 | 第27页 |
| 3.2 常用的目标检测方法 | 第27-31页 |
| 3.2.1 帧间差分法 | 第27-28页 |
| 3.2.2 背景差分法 | 第28-29页 |
| 3.2.3 光流法 | 第29-30页 |
| 3.2.4 实验结果与分析 | 第30-31页 |
| 3.3 基于 GMM 与分水岭分割算法的目标检测 | 第31-38页 |
| 3.3.1 基于 GMM 与分水岭分割算法的目标检测的基本原理 | 第31-32页 |
| 3.3.2 GMM 算法基本原理与应用 | 第32页 |
| 3.3.3 混合高斯模型的建模与背景更新的过程 | 第32-34页 |
| 3.3.4 自适应阈值的计算 | 第34-35页 |
| 3.3.5 分水岭算法的基本概念 | 第35-36页 |
| 3.3.6 分水岭算法的数学描述 | 第36-37页 |
| 3.3.7 基于标记的分水岭算法在本文中的应用 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-40页 |
| 3.4.1 检测精度 | 第38-39页 |
| 3.4.2 检测速度 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 视频监控系统在 TMS320DM6437 平台的设计 | 第41-57页 |
| 4.1 视频监控系统硬件平台功能介绍 | 第41-43页 |
| 4.1.1 DM6437 功能介绍 | 第41-42页 |
| 4.1.2 系统硬件平台的构成 | 第42-43页 |
| 4.2 视频监控系统的软件设计 | 第43-55页 |
| 4.2.1 软件开发工具的介绍 | 第43-44页 |
| 4.2.2 系统软件结构框架设计 | 第44-48页 |
| 4.2.3 DSP/BIOS 操作系统下的视频驱动设计 | 第48-51页 |
| 4.2.4 网络模块的设计与实现 | 第51-53页 |
| 4.2.5 水下视频系统的改进及优化 | 第53-55页 |
| 4.3 本章小结 | 第55-57页 |
| 第5章 视频监控系统在 TMS320DM6437 平台的实现 | 第57-63页 |
| 5.1 水下视频监控系统的整体运行方案 | 第57-58页 |
| 5.2 图像预处理在 TMS320DM6437 平台上的实现 | 第58-59页 |
| 5.3 目标检测在 TMS320DM6437 平台上的实现 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间所发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |
