| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 基于视觉显著性的运动目标视频分割的研究现状 | 第11-16页 |
| 1.2.1 运动目标视频分割的研究现状 | 第11-12页 |
| 1.2.2 视觉显著性模型的国内外发展动态 | 第12-16页 |
| 1.2.3 视觉显著性在运动目标视频分割中的应用 | 第16页 |
| 1.3 本文的主要研究内容 | 第16-18页 |
| 第2章 视频序列图像中运动目标分割算法研究 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 视频图像的底层特征获取及预处理 | 第18-23页 |
| 2.2.1 视频图像底层特征 | 第18-19页 |
| 2.2.2 鱼类养殖监控视频的预处理 | 第19-23页 |
| 2.3 视频分割运动目标算法研究 | 第23-26页 |
| 2.3.1 视频分割的基础算法及流程 | 第23-25页 |
| 2.3.2 基于贝叶斯理论的分割模型 | 第25页 |
| 2.3.3 时空联合视频分割算法 | 第25-26页 |
| 2.4 养殖监控场景中运动鱼体目标视频分割的难度和特点 | 第26-27页 |
| 2.4.1 养殖监控场景中运动鱼体目标视频分割的难度 | 第26页 |
| 2.4.2 养殖监控场景中运动鱼体目标视频分割的特点 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于图论的视觉显著性模型研究 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 视觉显著性计算模型分析研究 | 第28-36页 |
| 3.2.1 视觉显著性模型的生物理论模型 | 第28-29页 |
| 3.2.2 经典Itti视觉显著性计算模型 | 第29-35页 |
| 3.2.3 基于图论的视觉显著性算法理论基础 | 第35-36页 |
| 3.3 改进图论视觉显著性算法模型 | 第36-43页 |
| 3.3.1 已有图论视觉显著性算法的不足 | 第36-37页 |
| 3.3.2 融入运动特征提取 | 第37-38页 |
| 3.3.3 各特征自动加权生成显著图 | 第38-40页 |
| 3.3.4 实验结果与分析 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 视觉显著性驱动的运动鱼体视频分割 | 第44-60页 |
| 4.1 引言 | 第44页 |
| 4.2 融入自上而下的显著性校验 | 第44-47页 |
| 4.2.1 自上而下显著性模型的理论 | 第44-45页 |
| 4.2.2 自上而下显著性模型的基本原理及思路 | 第45页 |
| 4.2.3 自上而下显著性模型在物体检验中的应用 | 第45-47页 |
| 4.3 目标校验方法 | 第47-54页 |
| 4.3.1 HOG特征提取 | 第47-50页 |
| 4.3.2 SVM分类器模型 | 第50-53页 |
| 4.3.3 HSV空间下的图像检索模型 | 第53-54页 |
| 4.4 实验的结果与分析 | 第54-59页 |
| 4.4.1 实验设置 | 第54-55页 |
| 4.4.2 实验方法步骤及结果分析 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67页 |
