运动目标提取的神经计算建模
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 前言 | 第9-15页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 视觉神经系统 | 第10-11页 |
| 1.2.2 神经网络模型 | 第11-12页 |
| 1.2.3 运动目标检测 | 第12-13页 |
| 1.3 运动目标检测的主要问题 | 第13-14页 |
| 1.4 本文主要研究内容及结构安排 | 第14-15页 |
| 第2章 目标检测的视觉神经机制 | 第15-25页 |
| 2.1 视觉神经系统 | 第15-18页 |
| 2.1.1 视网膜 | 第15-17页 |
| 2.1.2 视神经通路 | 第17-18页 |
| 2.1.3 视觉皮层 | 第18页 |
| 2.2 视觉系统的神经网络建模 | 第18-22页 |
| 2.3 视觉系统的ART2-A网络模拟 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 基于ART2-A网络的图像处理 | 第25-38页 |
| 3.1 ART2-A网络 | 第25-32页 |
| 3.1.1 预处理层STM-F0的运算 | 第25-27页 |
| 3.1.2 短时记忆特征层STM-F1的运算 | 第27页 |
| 3.1.3 短时记忆识别层STM-F2的运算 | 第27-28页 |
| 3.1.4 匹配与重置 | 第28-30页 |
| 3.1.5 网络模型学习规则 | 第30-32页 |
| 3.2 特征提取 | 第32-34页 |
| 3.2.1 RGB颜色模型 | 第32-33页 |
| 3.2.2 HSI颜色模型 | 第33页 |
| 3.2.3 ART2-A网络的颜色特征提取 | 第33-34页 |
| 3.3 实验结果及分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 运动目标提取的神经计算模型 | 第38-52页 |
| 4.1 传统运动目标检测方法 | 第38-40页 |
| 4.1.1 相邻帧差法 | 第38-39页 |
| 4.1.2 背景差法 | 第39-40页 |
| 4.1.3 光流法 | 第40页 |
| 4.2 运动目标提取的神经计算建模 | 第40-45页 |
| 4.2.1 运动目标状态分析 | 第41-42页 |
| 4.2.2 运动区域检测 | 第42-43页 |
| 4.2.3 视频的特征提取 | 第43页 |
| 4.2.4 运动目标提取 | 第43-44页 |
| 4.2.5 形态学处理 | 第44-45页 |
| 4.3 背景图像的重建 | 第45-46页 |
| 4.4 实验结果及分析 | 第46-51页 |
| 4.4.1 基于神经网络的运动目标检测 | 第46-49页 |
| 4.4.2 与ART-2 网络的对比试验 | 第49页 |
| 4.4.3 背景图像的重建 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 总结与展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57页 |
