| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 课题当前研究现状 | 第11-13页 |
| 1.2.1 运动目标检测研究现状 | 第11-12页 |
| 1.2.2 运动目标跟踪研究现状 | 第12-13页 |
| 1.3 本文主要内容及组织结构 | 第13-15页 |
| 2 视频图像预处理相关技术研究 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 图像灰度化 | 第15-16页 |
| 2.3 图像去噪 | 第16-21页 |
| 2.3.1 均值滤波 | 第17-18页 |
| 2.3.2 中值滤波 | 第18页 |
| 2.3.3 仿真验证 | 第18-21页 |
| 2.4 边缘检测 | 第21-22页 |
| 2.5 形态学处理 | 第22-23页 |
| 2.5.1 膨胀与腐蚀 | 第22-23页 |
| 2.5.2 开运算与闭运算 | 第23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 视频运动目标检测方法研究 | 第24-42页 |
| 3.1 引言 | 第24页 |
| 3.2 光流法 | 第24-27页 |
| 3.3 背景差分法 | 第27-31页 |
| 3.4 帧间差分法 | 第31-33页 |
| 3.5 三种经典检测算法总结对比 | 第33页 |
| 3.6 帧间差分法的改进与实现 | 第33-37页 |
| 3.6.1 融合边缘检测的三帧差分运动目标检测 | 第34-35页 |
| 3.6.2 融合边缘检测的四帧差分运动目标检测 | 第35-37页 |
| 3.7 融合背景减除的四帧差分运动目标检测算法 | 第37-39页 |
| 3.8 仿真验证 | 第39-41页 |
| 3.9 本章小结 | 第41-42页 |
| 4 基于改进HSV空间与反射比恒定量的联合阴影去除算法 | 第42-55页 |
| 4.1 引言 | 第42-43页 |
| 4.2 HSV色彩空间阴影去除 | 第43-45页 |
| 4.2.1 RGB颜色空间到HSV颜色空间的转换 | 第43页 |
| 4.2.2 传统HSV色彩空间阴影去除模型 | 第43-44页 |
| 4.2.3 改进HSV色彩空间阴影去除模型 | 第44-45页 |
| 4.3 结合改进HSV空间及反射比恒定量的阴影去除算法 | 第45-50页 |
| 4.3.1 阴影存在与否的判断 | 第45-47页 |
| 4.3.2 图像的颜色模型 | 第47页 |
| 4.3.3 反射率比 | 第47-48页 |
| 4.3.4 改进HSV空间与反射比恒定量融合的阴影去除算法 | 第48-50页 |
| 4.4 仿真验证 | 第50-54页 |
| 4.4.1 实验结果 | 第50-53页 |
| 4.4.2 度量对比 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 视频运动目标跟踪方法研究 | 第55-72页 |
| 5.1 引言 | 第55页 |
| 5.2 运动目标跟踪方法分类对比 | 第55-56页 |
| 5.3 卡尔曼滤波预测算法 | 第56-60页 |
| 5.3.1 卡尔曼滤波原理 | 第56-58页 |
| 5.3.2 仿真验证 | 第58-60页 |
| 5.4 粒子滤波算法 | 第60-62页 |
| 5.4.1 粒子滤波原理简介 | 第60页 |
| 5.4.2 仿真验证 | 第60-62页 |
| 5.5 Mean Shift跟踪算法 | 第62-65页 |
| 5.5.1 Mean Shift算法原理 | 第62-64页 |
| 5.5.2 仿真验证 | 第64-65页 |
| 5.6 融合改进MS算法与Kalman滤波双模板匹配的双次判定跟踪算法 | 第65-68页 |
| 5.6.1 双模板匹配模块 | 第66-67页 |
| 5.6.2 双次巴式指标判定模块 | 第67-68页 |
| 5.7 仿真验证 | 第68-71页 |
| 5.8 本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 全文研究工作总结 | 第72-73页 |
| 6.2 下一步工作展望 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间发表论文及科研成果 | 第77-78页 |
| 致谢 | 第78-79页 |
