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

复杂环境运动目标检测若干关键问题研究

内容提要第1-9页
第1章 绪论第9-17页
   ·研究背景和意义第9-10页
   ·研究进展及主要难点第10-12页
     ·智能监控系统的研究进展第10页
     ·运动目标检测方法的研究进展第10-12页
     ·技术难点第12页
   ·本文的研究内容第12-13页
   ·本文工作及组织结构第13-17页
第2章 相关理论基础第17-23页
   ·引言第17页
   ·基于背景差法的运动目标检测第17-20页
     ·基本思想第18页
     ·算法流程第18-20页
   ·混合高斯背景建模第20-22页
     ·混合高斯背景模型的建立第21页
     ·混合高斯背景模型的更新第21-22页
   ·本章小结第22-23页
第3章 基于GPU的视频图像预处理算法第23-41页
   ·引言第23页
   ·数理模型第23-29页
     ·坐标系第23-26页
     ·摄像机标定模型第26-27页
     ·非线性畸变模型第27-29页
   ·现有畸变校正方法简介第29-31页
     ·基于标定物的标定法第30-31页
     ·摄像机自标定方法第31页
     ·基于主动视觉的标定方法第31页
   ·基于GPU的畸变实时校正算法第31-38页
     ·采用CUDA技术的GPU第32-33页
     ·基于网格标定的校正技术原理第33-34页
     ·GBGC算法概述第34-35页
     ·GBGC算法关键步骤第35-38页
   ·实验结果及分析第38-40页
   ·本章小结第40-41页
第4章 基于颜色-纹理模糊积分特征的静态场景运动目标检测算法第41-73页
   ·引言第41页
   ·算法描述第41-43页
   ·分类特征的选择第43-49页
     ·颜色特征第43-46页
     ·纹理特征第46-49页
   ·相似性度量的定义第49页
   ·基于Choquet积分的特征融合第49-51页
   ·基于自适应阈值的图像分割算法第51-53页
     ·定义第51-52页
     ·基本步骤第52页
     ·阈值更新策略第52-53页
   ·实验结果及分析第53-71页
     ·颜色特征选择实验第53-63页
     ·ULBP纹理特征选择实验第63-64页
     ·自适应分类阈值确定实验第64-67页
     ·复杂背景条件下运动目标检测实验第67-71页
     ·运动目标检测效果的定量分析第71页
   ·本章小结第71-73页
第5章 基于Harris角点SAM配准的动态场景运动目标检测算法第73-91页
   ·引言第73页
   ·算法描述第73-75页
   ·基于多尺度Harris角点SAM的图像配准算法第75-82页
     ·算法基础第75-76页
     ·算法描述第76-77页
     ·多尺度边缘检测算法第77页
     ·多尺度Harris角点检测算法第77-78页
     ·相似性测度的定义及误匹配点对的删除第78-79页
     ·实验结果及分析第79-82页
   ·基于三帧差分法的运动目标检测算法第82-87页
     ·算法描述第82-83页
     ·具体实现第83-85页
     ·实验结果及分析第85-87页
   ·实验结果及分析第87-90页
   ·本章小结第90-91页
第6章 基于亮度-纹理模糊积分特征的红外图像运动目标检测算法第91-105页
   ·引言第91页
   ·算法描述第91-93页
   ·基于小波系数相关度的图像去噪增强算法第93-98页
     ·问题描述第93-94页
     ·算法描述第94-96页
     ·具体实现第96-98页
     ·实验结果及分析第98-100页
   ·特征的相似性度量第100-101页
   ·基于Sugeno模糊积分的分类特征融合第101-102页
   ·实验结果及分析第102-104页
   ·本章小结第104-105页
第7章 结论与展望第105-109页
   ·论文研究工作总结第105-106页
   ·进一步研究工作展望第106-109页
参考文献第109-121页
攻读博士学位期间发表的学术论文及取得的科研成果第121-123页
致谢第123-125页
摘要第125-129页
Abstract第129-132页

论文共132页,点击 下载论文
上一篇:虚拟学术社区知识共享实现机制研究
下一篇:点云数据配准及曲面细分技术研究