视频对象分割算法研究

摘要	第1-6页
Abstract	第6-12页
第一章 绪论	第12-17页
·研究背景与目的	第12-13页
·视频对象的定义	第13页
·视频对象分割的研究现状与分类	第13-16页
·主要的研究工作与创新点	第16-17页
·主要研究工作	第16页
·本文的创新点	第16-17页
第二章 研究的关键技术	第17-38页
·支持向量机基本原理	第17-31页
·机器学习	第17-18页
·统计学习理论	第18-22页
·标准支持向量分类机	第22-30页
·支持向量机的优点	第30-31页
·数学形态学	第31-33页
·数学形态学基本概念	第31-33页
·后处理中的形态学方法	第33页
·常用的分割技术	第33-38页
·阈值法	第33-34页
·聚类法	第34-35页
·分水岭变换	第35-36页
·变化检测	第36-38页
第三章 基于SVM的视频对象分割	第38-49页
·引言	第38页
·算法介绍	第38-46页
·提取训练样本	第39-40页
·选取特征向量与SVM分类	第40-41页
·分水岭分割	第41-43页
·融合分割	第43-46页
·实验与分析	第46-49页
·实验结果	第46-47页
·视频对象分割的评价标准	第47-48页
·对比与分析	第48-49页
第四章 基于背景重构的视频对象分割	第49-59页
·引言	第49-50页
·算法介绍	第50-56页
·二次帧差	第51-54页
·背景帧的初始化	第54-55页
·阴影消除	第55-56页
·实验结果与分析	第56-59页
·实验结果	第56-58页
·结果分析	第58-59页
第五章 结束语	第59-61页
·工作总结	第59页
·不足之处以及进一步研究方向	第59-61页
参考文献	第61-66页
参加的科研项目	第66-67页
研究生期间发表的论文	第67-68页
致谢	第68页