首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

面向基于对象编码的视频分割研究

中文摘要第1-4页
ABSTRACT第4-8页
第一章 绪论第8-26页
   ·研究的背景和意义第8-14页
     ·视频压缩的重要性第8-9页
     ·视频编码的发展历程第9-12页
     ·本课题的目的和意义第12-14页
   ·国内外研究现状第14-22页
     ·基于运动的分割第16-18页
     ·时空结合的分割第18-20页
     ·帧间匹配跟踪法第20-21页
     ·各类视频分割技术的评价第21-22页
   ·论文的主要工作第22-24页
   ·论文的主要创新点第24-25页
   ·章节安排第25-26页
第二章 视频分割理论基础第26-47页
   ·运动分析第26-31页
     ·真实运动与表征运动第26-27页
     ·参数模型第27-28页
     ·非参数模型第28-31页
   ·变化检测第31-32页
   ·小波变换第32-37页
     ·小波分析理论第33-35页
     ·基于小波变换的视频分割第35-37页
   ·形态学空域滤波第37-41页
     ·二值图像形态学第37-38页
     ·灰度图像形态学第38-39页
     ·形态学边缘检测第39-40页
     ·形态学关联算子第40-41页
   ·边缘检测第41-44页
   ·对象跟踪第44-46页
     ·Snake模型第45页
     ·Kalman滤波模型第45-46页
     ·Hausdorff跟踪第46页
     ·二维网格跟踪第46页
   ·本章小结第46-47页
第三章 基于时空信息的视频分割第47-76页
   ·基于高阶矩检测和最大树滤波的时空分割算法第47-61页
     ·预处理第48-50页
     ·高阶矩特征检测运动区域第50-54页
     ·基于最大树滤波的形态学空间分割第54-58页
     ·时空分割融合第58页
     ·实验结果第58-61页
   ·融合时域分割的分水岭视频分割方法第61-75页
     ·算法概述第61-62页
     ·基于边缘的运动检测第62-64页
     ·融合时空信息的修正分水岭第64-67页
     ·实验与分析第67-75页
   ·本章小结第75-76页
第四章 基于跟踪的视频分割方法第76-103页
   ·基于支持向量机的视频跟踪方法第76-89页
     ·支持向量机原理第77-80页
     ·基于SVM的分割跟踪算法第80-83页
     ·实验结果第83-89页
   ·基于块仿射优势分类和HD跟踪的视频分割方法第89-101页
     ·运动对象检测第89-92页
     ·基于Hausforff距离的对象跟踪第92-95页
     ·模型更新第95-97页
     ·修正分水岭提取VOP第97-98页
     ·实验与分析第98-101页
   ·四个算法的综合评价第101-102页
   ·本章小结第102-103页
第五章 基于对象的视频编码研究第103-114页
   ·MPEG-4 标准的基于对象压缩功能第103-108页
     ·传统编码与基于对象编码的统一第103-104页
     ·MPEG-4 数据结构第104-105页
     ·基于对象编码方案第105-108页
   ·基于对象编码系统的实现与实验结果第108-109页
   ·本章小结第109-114页
第六章 总结与展望第114-117页
   ·全文总结第114-115页
   ·前景展望第115-117页
参考文献第117-129页
攻读博士期间发表的论文第129-130页
致谢第130页

论文共130页,点击 下载论文
上一篇:《三联生活周刊》研究
下一篇:金融票据圆形印鉴真伪识别方法研究