| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 课题来源 | 第16页 |
| 1.2 研究背景及意义 | 第16-18页 |
| 1.3 交通异常视频图像检测技术研究现状 | 第18-21页 |
| 1.3.1 交通异常视频图像检测技术研究现状 | 第18-20页 |
| 1.3.2 现有交通异常视频图像检测技术的不足 | 第20-21页 |
| 1.4 基于局部不变特征的视频事件检测研究现状 | 第21-23页 |
| 1.4.1 基于局部不变特征的视频事件检测研究现状 | 第21-22页 |
| 1.4.2 基于局部不变特征的视频事件检测技术的优势与不足 | 第22-23页 |
| 1.5 论文的主要贡献和内容安排 | 第23-26页 |
| 1.5.1 论文的主要贡献 | 第23-24页 |
| 1.5.2 论文的内容安排 | 第24-26页 |
| 第二章 彩色图像SIFT特征的几何代数方法研究 | 第26-53页 |
| 2.1 引言 | 第26-27页 |
| 2.2 SIFT算法基础 | 第27-30页 |
| 2.2.1 SIFT算法 | 第28-29页 |
| 2.2.2 彩色图像SIFT算法 | 第29-30页 |
| 2.3 几何代数基础 | 第30-35页 |
| 2.3.1 几何代数的发展 | 第30-32页 |
| 2.3.2 几何代数的基础知识 | 第32-35页 |
| 2.4 彩色图像的几何代数模型及运算 | 第35-39页 |
| 2.4.1 彩色图像的几何代数模型 | 第35-36页 |
| 2.4.2 几何代数空间上的彩色图像运算 | 第36-39页 |
| 2.5 几何代数空间上的彩色图像尺度空间 | 第39-41页 |
| 2.6 几何代数空间上的彩色图像SIFT算法 | 第41-43页 |
| 2.6.1 几何代数空间上的彩色图像SIFT特征检测算法 | 第41-42页 |
| 2.6.2 几何代数空间上的彩色图像SIFT特征描述算法 | 第42-43页 |
| 2.7 算法性能分析 | 第43-45页 |
| 2.8 实验与分析 | 第45-51页 |
| 2.8.1 实验设置 | 第45-46页 |
| 2.8.2 彩色交通图像上的实验结果与分析 | 第46-48页 |
| 2.8.3 标准测试图像上的实验结果与分析 | 第48-51页 |
| 2.9 本章小结 | 第51-53页 |
| 第三章 交通图像表示的模糊词袋模型研究 | 第53-91页 |
| 3.1 引言 | 第53页 |
| 3.2 基于局部不变特征的交通图像表示的模糊不确定性分析 | 第53-56页 |
| 3.3 图像表示的词袋模型简介 | 第56-60页 |
| 3.3.1 词袋模型基础 | 第56-58页 |
| 3.3.2 词袋模型的研究现状和最新发展 | 第58-59页 |
| 3.3.3 词袋模型的特点 | 第59页 |
| 3.3.4 图像表示评价方法 | 第59-60页 |
| 3.4 模糊集理论 | 第60-63页 |
| 3.5 图像局部不变特征与视觉单词的模糊映射 | 第63-65页 |
| 3.5.1 图像局部不变特征与视觉单词的模糊相似性度量 | 第63-65页 |
| 3.5.2 模糊相似性度量集的隶属度函数的设计 | 第65页 |
| 3.6 模糊隶属度直方图生成 | 第65-66页 |
| 3.6.1 基于模糊集截集的视觉单词选择方法 | 第65-66页 |
| 3.6.2 隶属度直方图生成方法 | 第66页 |
| 3.7 模糊词袋模型框架与分析 | 第66-68页 |
| 3.7.1 模糊词袋模型框架 | 第66-67页 |
| 3.7.2 模糊词袋模型分析 | 第67-68页 |
| 3.8 基于指数型隶属度函数模糊词袋的交通图像表示 | 第68-83页 |
| 3.8.1 基于指数型模糊隶属度函数的模糊词袋模型 | 第68-73页 |
| 3.8.2 数据集及实验设置 | 第73-76页 |
| 3.8.3 实验结果与分析 | 第76-83页 |
| 3.9 基于高斯隶属度函数模糊词袋模型的交通图像表示 | 第83-90页 |
| 3.9.1 基于高斯隶属度函数的模糊词袋模型 | 第83-86页 |
| 3.9.2 实验结果与分析 | 第86-90页 |
| 3.10 本章小结 | 第90-91页 |
| 第四章 交通图像表示的模糊几何方法研究 | 第91-111页 |
| 4.1 引言 | 第91页 |
| 4.2 高维模糊几何 | 第91-94页 |
| 4.3 高维模糊几何上的交通图像表示方法 | 第94-100页 |
| 4.3.1 高维模糊几何上的模糊视觉词典 | 第94-96页 |
| 4.3.2 高维模糊几何上的模糊特征点 | 第96页 |
| 4.3.3 高维模糊几何上的相似性度量 | 第96-99页 |
| 4.3.4 基于高维模糊几何截集的直方图生成方法 | 第99-100页 |
| 4.4 基于高维模糊几何的SPM | 第100-102页 |
| 4.4.1 SPM图像表示算法基础 | 第100-101页 |
| 4.4.2 基于高维模糊几何的SPM图像表示算法 | 第101-102页 |
| 4.5 基于高维模糊几何的LLC图像表示算法 | 第102-103页 |
| 4.5.1 LLC图像表示算法基础 | 第102-103页 |
| 4.5.2 基于高维模糊几何的LLC图像表示算法 | 第103页 |
| 4.6 算法分析 | 第103-105页 |
| 4.7 实验结果与分析 | 第105-110页 |
| 4.7.1 实验设置 | 第105页 |
| 4.7.2 在交通数据集上的实验结果与分析 | 第105-106页 |
| 4.7.3 在Fifteen Scene数据集上的实验结果与分析 | 第106-108页 |
| 4.7.4 在Caltech101 数据集上的实验结果与分析 | 第108-110页 |
| 4.8 本章小结 | 第110-111页 |
| 第五章 基于局部不变特征的交通异常视频图像检测方法 | 第111-128页 |
| 5.1 引言 | 第111页 |
| 5.2 异常检测研究现状 | 第111-113页 |
| 5.2.1 无监督异常检侧方法 | 第112页 |
| 5.2.2 有监督的异常检测方法 | 第112-113页 |
| 5.3 复杂交通视频的分块表示方法 | 第113-115页 |
| 5.4 基于局部不变特征的交通状态描述参数 | 第115-116页 |
| 5.5 交通异常视频图像检测算法 | 第116-119页 |
| 5.5.1 正常交通的高斯建模 | 第116-117页 |
| 5.5.2 基于高斯模型的异常交通视频图像检测 | 第117页 |
| 5.5.3 检测结果融合 | 第117-118页 |
| 5.5.4 算法总结 | 第118-119页 |
| 5.6 实验设置 | 第119-120页 |
| 5.7 实验结果及分析 | 第120-127页 |
| 5.7.1 交叉路口的交通异常视频图像检测实验结果 | 第120-124页 |
| 5.7.2 城市主干道的交通异常视频图像检测实验结果 | 第124-127页 |
| 5.8 本章小结 | 第127-128页 |
| 第六章 总结与展望 | 第128-131页 |
| 参考文献 | 第131-143页 |
| 攻读博士学位期间取得的研究成果 | 第143-144页 |
| 致谢 | 第144-145页 |
| 附件 | 第145页 |
