复杂环境下动目标的分割与跟踪
| 1. 绪论 | 第1-20页 |
| ·研究背景 | 第10-11页 |
| ·本课题相关技术现状 | 第11-19页 |
| ·分割中阈值选取技术 | 第11-14页 |
| ·运动目标分割技术 | 第14-17页 |
| ·运动目标跟踪技术 | 第17-19页 |
| ·本论文的内容安排 | 第19-20页 |
| 2. 运动目标分割与跟踪系统 | 第20-24页 |
| ·本课题图像的特点 | 第20-22页 |
| ·系统的主体流程图 | 第22-23页 |
| ·研究的主要任务 | 第23页 |
| ·本章小结 | 第23-24页 |
| 3. 目标分割中阈值选取方法研究 | 第24-42页 |
| ·引言 | 第24页 |
| ·阈值化分割原理 | 第24-25页 |
| ·基于灰度直方图的阈值选取方法 | 第25-31页 |
| ·极小值点阈值法 | 第26-27页 |
| ·最优阈值法 | 第27-29页 |
| ·迭代阈值算法 | 第29-31页 |
| ·自适应阈值法 | 第31页 |
| ·Otsu 方法 | 第31-34页 |
| ·Otsu 法 | 第31-33页 |
| ·改进Otsu 阈值方法 | 第33-34页 |
| ·最大熵方法 | 第34-37页 |
| ·一维最大熵阈值分割 | 第34-35页 |
| ·二维最大熵阈值分割 | 第35-37页 |
| ·实例仿真及分析 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 4. 基于改进 Otsu 法的自动阈值分割方法 | 第42-59页 |
| ·引言 | 第42页 |
| ·算法原理及其结构框图 | 第42-44页 |
| ·运动目标区域的半自动分割 | 第44-49页 |
| ·运动区域半自动分割的传统方法 | 第44-46页 |
| ·运动目标区域的半自动分割方法 | 第46-49页 |
| ·图像差距度量理论 | 第49-53页 |
| ·基于图像差距度量的阈值自动选取方法构造模式 | 第49-50页 |
| ·图像之间的差距度量 | 第50-53页 |
| ·一些基于差距度量的阈值选取方法 | 第53-54页 |
| ·根据点到点之间的差距度量的阈值选取方法 | 第53页 |
| ·根据点到多点之间的差距度量的阈值选取方法 | 第53-54页 |
| ·根据多点对多点之间的差距度量的阈值选取方法 | 第54页 |
| ·基于改进Ostu 法的自动阈值分割算法 | 第54-56页 |
| ·自动分割阈值确定的基本步骤 | 第55页 |
| ·自动分割阈值确定的流程图 | 第55-56页 |
| ·实例仿真及分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 5. 基于形态学的目标特征点跟踪方法 | 第59-74页 |
| ·引言 | 第59页 |
| ·常用的跟踪算法 | 第59-62页 |
| ·波门跟踪算法 | 第59-60页 |
| ·相关跟踪算法 | 第60-61页 |
| ·特征序列匹配算法 | 第61页 |
| ·特征点匹配算法 | 第61-62页 |
| ·多模跟踪算法(复合跟踪算法) | 第62页 |
| ·跟踪过程中综合的二值形态学图像处理 | 第62-67页 |
| ·形态学理论 | 第62-63页 |
| ·连通域对象的标注 | 第63-65页 |
| ·骨架的提取 | 第65-67页 |
| ·基于形态学的目标特征点跟踪算法 | 第67-68页 |
| ·运动轨迹的估计 | 第68-69页 |
| ·跟踪算法的仿真与分析 | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-83页 |
| 攻读硕士期间发表的论文 | 第83-84页 |
| 致谢 | 第84页 |
