| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| Contents | 第11-14页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 引言 | 第14-15页 |
| 1.2 研究意义 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-23页 |
| 1.3.1 图像抠图研究现状 | 第16-22页 |
| 1.3.2 视频抠图的研究现状 | 第22-23页 |
| 1.4 本文所做的主要研究工作及内容组织 | 第23-25页 |
| 1.4.1 本文所做的主要研究工作 | 第23-24页 |
| 1.4.2 本文内容的组织 | 第24-25页 |
| 第二章 基于灰度信息与自适应窗口的鲁棒抠图算法 | 第25-38页 |
| 2.1 引言 | 第25页 |
| 2.2 鲁棒抠图算法简介 | 第25-28页 |
| 2.3 鲁棒抠图算法的改进 | 第28-37页 |
| 2.3.1 鲁棒抠图算法效果的改进 | 第28-30页 |
| 2.3.2 鲁棒抠图算法效率的改进 | 第30-31页 |
| 2.3.3 改进算法与原算法结果比较 | 第31-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 视频抠图方法简介 | 第38-54页 |
| 3.1 引言 | 第38-39页 |
| 3.2 基于运动分析与自动绘制前背景的视频抠图方法 | 第39-42页 |
| 3.2.1 运动分析 | 第39-40页 |
| 3.2.2 重构概率示意图PM | 第40-41页 |
| 3.2.3 自动绘制前背景 | 第41-42页 |
| 3.2.4 总结 | 第42页 |
| 3.3 基于四连通域填充的自动绘制前背景的视频抠图技术 | 第42-46页 |
| 3.3.1 归一化分割视频帧 | 第43-44页 |
| 3.3.2 概率示意图的重构 | 第44-45页 |
| 3.3.3 自动绘制前背景 | 第45-46页 |
| 3.3.4 总结 | 第46页 |
| 3.4 贝叶斯视频抠图方法 | 第46-51页 |
| 3.4.1 贝叶斯抠图算法简介 | 第46-48页 |
| 3.4.2 光流法简介 | 第48-50页 |
| 3.4.3 背景估计 | 第50页 |
| 3.4.4 贝叶斯视频抠图 | 第50-51页 |
| 3.4.5 总结 | 第51页 |
| 3.5 基于泊松方程的视频抠图 | 第51-53页 |
| 3.5.1 Trimap帧的生成 | 第51-52页 |
| 3.5.2 基于泊松方程的视频抠图 | 第52页 |
| 3.5.3 泊松视频抠图问题的超大规模方程组求解 | 第52-53页 |
| 3.5.4 总结 | 第53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 基于RMGW算法的视频抠图方法 | 第54-66页 |
| 4.1 引言 | 第54页 |
| 4.2 视频关键帧获取方法简介 | 第54-55页 |
| 4.2.1 关键帧提取技术的数学模型 | 第54-55页 |
| 4.2.2 基于镜头边界法 | 第55页 |
| 4.2.3 基于内容分析的方法 | 第55页 |
| 4.2.4 基于运动分析的方法 | 第55页 |
| 4.3 本文获取视频关键帧的方法 | 第55-59页 |
| 4.3.1 最大运动信息变化熵方法 | 第56-58页 |
| 4.3.2 基于运动场能量结合二分法求取视频关键帧的方法 | 第58-59页 |
| 4.4 关键帧Trimap的求取和Trimap的传递 | 第59-64页 |
| 4.4.1 关键帧基于Strokes的Trimap生成 | 第59-62页 |
| 4.4.2 帧间Trimap的传递 | 第62页 |
| 4.4.3 实验结果 | 第62-64页 |
| 4.5 本章小结 | 第64-66页 |
| 总结与展望 | 第66-68页 |
| 本文工作总结 | 第66页 |
| 未来工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间发表的论文 | 第72-76页 |
| 致谢 | 第76页 |
