移动目标检测与注释技术研究
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-13页 |
| ·论文选题的来源及研究意义 | 第7页 |
| ·论文选题的国内外研究现状 | 第7-11页 |
| ·移动目标检测的国内外研究现状 | 第7-10页 |
| ·图像注释技术的国内外研究现状 | 第10-11页 |
| ·论文的主要研究内容及章节安排 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 移动目标检测的相关技术 | 第13-24页 |
| ·SOFM神经网络学习算法 | 第13-14页 |
| ·SOFM网络的基本结构 | 第13-14页 |
| ·SOFM算法过程 | 第14页 |
| ·学习速率函数 | 第14页 |
| ·图像特征提取 | 第14-17页 |
| ·统计特征 | 第14-15页 |
| ·颜色特征 | 第15页 |
| ·纹理特征 | 第15-16页 |
| ·形状特征 | 第16-17页 |
| ·相似度度量 | 第17-20页 |
| ·Minkowsky距离 | 第17-18页 |
| ·直方图相交 | 第18页 |
| ·Hausdorff距离 | 第18页 |
| ·马氏距离 | 第18-19页 |
| ·二次式距离 | 第19页 |
| ·余弦距离 | 第19页 |
| ·相关系数 | 第19-20页 |
| ·图像分割 | 第20-23页 |
| ·图像分割的定义 | 第20-21页 |
| ·图像分割算法分类 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 色彩信息聚类描述及图像分割 | 第24-39页 |
| ·色彩量化 | 第24-29页 |
| ·统一的量化方法 | 第24-25页 |
| ·流行色量化方法 | 第25页 |
| ·中位切割量化方法 | 第25-26页 |
| ·颜色对聚类量化方法 | 第26-27页 |
| ·基于八叉树结构的量化方法 | 第27-28页 |
| ·基于方差分析的量化方法 | 第28-29页 |
| ·亮度归一化 | 第29-30页 |
| ·基于SOFM的色彩知识生成 | 第30-32页 |
| ·确定量化级数 | 第30页 |
| ·基于SOFM的色彩信息聚类描述 | 第30-32页 |
| ·图像分割 | 第32-34页 |
| ·颜色直方图 | 第32-33页 |
| ·类间方差阈值分割 | 第33-34页 |
| ·实验结果分析 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 场景知识提取及移动目标检测 | 第39-49页 |
| ·目标特征提取 | 第39-43页 |
| ·形状特征提取 | 第39-41页 |
| ·颜色特征提取 | 第41-43页 |
| ·相似性度量准则 | 第43-45页 |
| ·不变矩的相似性度量 | 第43-44页 |
| ·域重心的相似性度量 | 第44页 |
| ·颜色矩的相似性度量 | 第44-45页 |
| ·本文算法总结 | 第45页 |
| ·实验结果分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间研究成果 | 第55-56页 |
