复杂场景下的阴影检测
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 引言 | 第9-15页 |
| 1.1 课题的研究背景 | 第10-11页 |
| 1.2 工作范围限定 | 第11-12页 |
| 1.3 论文组织结构 | 第12-15页 |
| 2 国内外研究现状 | 第15-23页 |
| 2.1 视频监控中的阴影检测 | 第15-18页 |
| 2.1.1 亮度特征 | 第16页 |
| 2.1.2 颜色纯度特征 | 第16-17页 |
| 2.1.3 物理性质特征 | 第17页 |
| 2.1.4 几何特征 | 第17-18页 |
| 2.1.5 纹理特征 | 第18页 |
| 2.1.6 小结 | 第18页 |
| 2.2 单幅图像的阴影检测 | 第18-23页 |
| 2.2.1 由像素点进行判断 | 第19-20页 |
| 2.2.2 由图像分块进行判断 | 第20-21页 |
| 2.2.3 对边缘像素进行判断 | 第21页 |
| 2.2.4 小结 | 第21-23页 |
| 3 阴影特征提取和检测 | 第23-47页 |
| 3.1 图像边缘检测 | 第23-27页 |
| 3.2 PCANet主成分分析网络 | 第27-30页 |
| 3.2.1 第一阶段PCA | 第27-28页 |
| 3.2.2 第二阶段PCA | 第28-29页 |
| 3.2.3 输出阶段：哈希和直方图映射 | 第29-30页 |
| 3.3 支持向量机对边缘像素分类 | 第30-32页 |
| 3.4 阴影特征提取工作流程 | 第32页 |
| 3.5 不同数据集下实验结果 | 第32-47页 |
| 3.5.1 基于Tappen数据集的训练与测试 | 第33-35页 |
| 3.5.2 基于室外场景的训练与测试 | 第35-39页 |
| 3.5.3 基于室内场景及夜晚图片的训练和测试 | 第39-41页 |
| 3.5.4 基于灰度图像的训练和测试 | 第41-43页 |
| 3.5.5 基于视频图像的训练和测试 | 第43-47页 |
| 4 阴影边缘轮廓提取 | 第47-53页 |
| 4.1 条件随机场简介 | 第47-48页 |
| 4.2 用条件随机场进行阴影轮廓提取的工作动机 | 第48-49页 |
| 4.3 通过条件随机场解决边缘间断和错误分类问题 | 第49-51页 |
| 4.4 结果展示 | 第51-53页 |
| 5 总结与展望 | 第53-54页 |
| 5.1 本文工作总结 | 第53页 |
| 5.2 未来研究展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 个人简历 | 第58页 |
