视频对象分割算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 前言 | 第9-24页 |
| 1.1 课题研究背景、目的及意义 | 第9-11页 |
| 1.2 视频对象分割方法的研究现状 | 第11-18页 |
| 1.3 运动车辆车型识别技术的研究现状 | 第18-20页 |
| 1.4 论文研究目标及内容 | 第20-22页 |
| 1.5 论文组织结构安排 | 第22-24页 |
| 第二章 视频对象分割算法基础 | 第24-33页 |
| 2.1 视频对象分割典型方法 | 第24-28页 |
| 2.1.1 相邻帧差法 | 第24-25页 |
| 2.1.2 码本方法 | 第25页 |
| 2.1.3 高斯混合模型方法 | 第25-26页 |
| 2.1.4 贝叶斯判别方法 | 第26-28页 |
| 2.2 数字抠图之 GrabCut 方法 | 第28-29页 |
| 2.3 阴影检测 | 第29-31页 |
| 2.3.1 基于 HSV 颜色模型的阴影判别算法 | 第29-30页 |
| 2.3.2 基于颜色不变量的阴影检测方法 | 第30-31页 |
| 2.4 视频对象分割评价方法 | 第31-33页 |
| 第三章 基于 GrabCut的视频对象分割算法 | 第33-45页 |
| 3.1 初始前/背景获取 | 第33-34页 |
| 3.2 闭环生成三分图 | 第34-37页 |
| 3.2.1 SIFT 关键点采样 | 第34-36页 |
| 3.2.2 阴影检测 | 第36-37页 |
| 3.3 GrabCut 分割算法 | 第37-39页 |
| 3.4 相关实验 | 第39-40页 |
| 3.5 小结 | 第40-45页 |
| 第四章 联合视频对象分割 | 第45-57页 |
| 4.1 特征选取 | 第45-46页 |
| 4.2 高斯模型的建立 | 第46-47页 |
| 4.3 特征权重确定 | 第47-48页 |
| 4.4 前景对象获取 | 第48-50页 |
| 4.5 阴影检测 | 第50-51页 |
| 4.6 实验 | 第51-56页 |
| 4.7 小结 | 第56-57页 |
| 第五章 基于多特征联合决策的车型识别研究 | 第57-65页 |
| 5.1 方法概述 | 第57页 |
| 5.2 运动车辆检测与获取 | 第57-58页 |
| 5.3 特征提取及训练 | 第58-60页 |
| 5.3.1 方向梯度直方图 | 第58-59页 |
| 5.3.2 GIST 特征 | 第59-60页 |
| 5.3.3 特征训练 | 第60页 |
| 5.4 D-S 证据理论 | 第60-61页 |
| 5.5 实验 | 第61-64页 |
| 5.6 小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65页 |
| 6.2 工作展望 | 第65-67页 |
| 参考文献 | 第67-75页 |
| 攻读硕士学位期间取得的学术成果 | 第75-76页 |
| 攻读硕士学位期间参与的项目 | 第76-77页 |
| 致谢 | 第77页 |
