基于视觉的井下目标检测与跟踪算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 煤矿井下视频的特点 | 第9-10页 |
| 1.3 研究现状 | 第10-13页 |
| 1.3.1 目标检测与跟踪研究现状 | 第10-11页 |
| 1.3.2 井下环境的目标检测与跟踪研究现状 | 第11-12页 |
| 1.3.3 井下图像去噪和增强算法的研究现状 | 第12-13页 |
| 1.4 论文的研究内容和章节安排 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 2 井下视频的预处理方法 | 第15-22页 |
| 2.1 井下图像去噪方法 | 第15-18页 |
| 2.1.1 空间域去噪方法 | 第15-17页 |
| 2.1.2 频域去噪方法 | 第17-18页 |
| 2.2 井下图像增强方法 | 第18-21页 |
| 2.2.1 直方图均衡化 | 第19-20页 |
| 2.2.2 自适应直方图均衡化 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 井下环境的目标检测算法 | 第22-31页 |
| 3.1 目标检测基本算法介绍 | 第22-23页 |
| 3.2 双阈值背景差分法 | 第23-28页 |
| 3.2.1 矿灯光斑特点 | 第23-24页 |
| 3.2.2 二值图像形态学处理 | 第24-26页 |
| 3.2.3 双阈值背景差分法 | 第26-28页 |
| 3.3 改进的算法 | 第28-30页 |
| 3.3.1 算法原理 | 第28-29页 |
| 3.3.2 实验结果及分析 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 井下环境的目标跟踪算法 | 第31-46页 |
| 4.1 井下环境的目标跟踪算法框架 | 第31-34页 |
| 4.2 自适应PCANet网络模型 | 第34-38页 |
| 4.2.1 PCANet网络模型 | 第34-36页 |
| 4.2.2 自适应PCANet网络模型 | 第36-38页 |
| 4.3 基于自适应PCANet的目标跟踪算法 | 第38-40页 |
| 4.4 实验结果及分析 | 第40-45页 |
| 4.4.1 定性分析 | 第40-44页 |
| 4.4.2 定量分析 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 5 总结与展望 | 第46-48页 |
| 5.1 本文工作的总结 | 第46页 |
| 5.2 今后工作的展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录 | 第52页 |
