| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11-12页 |
| ·研究现状 | 第12-14页 |
| ·论文结构 | 第14-16页 |
| 2 相关理论基础 | 第16-21页 |
| ·水平集算法 | 第16页 |
| ·Chan-Vese模型 | 第16-18页 |
| ·Chan-Vese模型定义 | 第16-18页 |
| ·数学近似 | 第18页 |
| ·Expectation-Maximization算法 | 第18-19页 |
| ·Robbins-Monro算法 | 第19-21页 |
| ·随机逼近原理 | 第19-20页 |
| ·Robbins-Monro函数定义 | 第20-21页 |
| 3 水平集理论 | 第21-32页 |
| ·水平集函数的定义 | 第21-24页 |
| ·水平集曲线的演化 | 第24-27页 |
| ·多水平集框架模型 | 第27-30页 |
| ·多水平集理论与图像分割的融合 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4 基于差分相乘和多水平集改进的运动目标轮廓提取 | 第32-38页 |
| ·四帧相邻差分相乘法 | 第32-33页 |
| ·基于自适应中值的图像滤波去噪 | 第33-34页 |
| ·能量参数λ的统计分析及设定 | 第34页 |
| ·基于区域多水平集的活动轮廓模型建立 | 第34-35页 |
| ·仿真结果分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 5 背景建模中的随机逼近算法 | 第38-55页 |
| ·背景建模 | 第38-40页 |
| ·基于混合的全阶协方差矩阵的AE随机逼近模型 | 第40-44页 |
| ·AE随机逼近模型定义 | 第40-41页 |
| ·基于像素的量化噪声估计 | 第41-42页 |
| ·基于时变性质的背景突变检测 | 第42-43页 |
| ·AE随机逼近模型的初始化和实现 | 第43-44页 |
| ·实验仿真结果与分析 | 第44-54页 |
| ·定性结果分析 | 第45-46页 |
| ·AE模型的步长因子统计选择和性能评价 | 第46-51页 |
| ·定量结果分析 | 第51-52页 |
| ·AE随机逼近模型的优势与应用前景 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| ·本文工作总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 图索引 | 第61-62页 |
| 表索引 | 第62-63页 |
| 作者简历 | 第63-65页 |
| 学位论文数据集 | 第65页 |