| 第1章 绪论 | 第1-29页 |
| ·目的和意义 | 第12-14页 |
| ·研究动态 | 第14-25页 |
| ·运动检测技术 | 第14-16页 |
| ·目标的图象分割技术 | 第16-20页 |
| ·目标的跟踪技术 | 第20-22页 |
| ·基于活动轮廓模型的图象处理技术 | 第22-25页 |
| ·论文研究内容和章节安排 | 第25-29页 |
| 第2章 活动轮廓模型理论 | 第29-50页 |
| ·引言 | 第29页 |
| ·活动轮廓模型基本理论 | 第29-39页 |
| ·活动轮廓模型基本表达式 | 第29-38页 |
| ·能量最小化基本求解算法 | 第38-39页 |
| ·活动轮廓模型的特点 | 第39页 |
| ·改进的活动轮廓模型 | 第39-45页 |
| ·气球模型 | 第39-43页 |
| ·GVF模型 | 第43-45页 |
| ·改进的能量最小化算法 | 第45-49页 |
| ·动态规划DP算法 | 第45-47页 |
| ·Greedy算法 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第3章 基于图象差分技术的目标检测与分割 | 第50-77页 |
| ·引言 | 第50-51页 |
| ·基于对称差分梯度法的视频分割算法 | 第51-57页 |
| ·帧间差分法 | 第51-52页 |
| ·背景差分法 | 第52-53页 |
| ·对称图象差分梯度法 | 第53-55页 |
| ·实验分析 | 第55-57页 |
| ·基于细胞神经网络的运动目标图象分割 | 第57-76页 |
| ·细胞神经网络的理论基础 | 第57-61页 |
| ·CNN差分图象合并法 | 第61-73页 |
| ·实验分析及讨论 | 第73-76页 |
| ·本章小结 | 第76-77页 |
| 第4章 基于多边形活动轮廓模型的图象分割 | 第77-100页 |
| ·引言 | 第77页 |
| ·多边形活动轮廓 | 第77-87页 |
| ·最优路径活动轮廓模型及算法 | 第77-81页 |
| ·多边形活动轮廓模型及算法 | 第81-84页 |
| ·多边形活动轮廓算法 | 第84-87页 |
| ·SUSAN算子 | 第87-90页 |
| ·基于PSO的多边形活动轮廓 | 第90-99页 |
| ·粒子群优化算法 | 第90-93页 |
| ·基于PSO的多边形活动轮廓模型的系数的确定 | 第93-99页 |
| ·本章小结 | 第99-100页 |
| 第5章 基于改进的Camshift及活动轮廓模型的目标跟踪 | 第100-120页 |
| ·引言 | 第100页 |
| ·Camshift算法 | 第100-112页 |
| ·Meanshift算法 | 第102-109页 |
| ·Camshift算法 | 第109-110页 |
| ·改进的Camshift算法 | 第110-112页 |
| ·基于改进的Camshift和活动轮廓模型的跟踪算法 | 第112-119页 |
| ·利用改进的Camshift算法对视频流进行实时的跟踪 | 第114-117页 |
| ·贪婪算法与Camshift结合进行精确跟踪分割 | 第117-119页 |
| ·本章小结 | 第119-120页 |
| 结论 | 第120-123页 |
| 参考文献 | 第123-137页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第137-138页 |
| 致谢 | 第138页 |
