体育比赛视频中标牌型广告检测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题的背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 标牌区域检测研究现状 | 第11-12页 |
| 1.2.2 图像分割研究现状 | 第12-14页 |
| 1.3 本文的主要研究内容与章节安排 | 第14-17页 |
| 1.3.1 本文研究内容与创新点 | 第14-15页 |
| 1.3.2 本文章节安排 | 第15-17页 |
| 第二章 体育视频中标牌型广告检测相关技术 | 第17-26页 |
| 2.1 基于视觉显著性方法 | 第17-20页 |
| 2.1.1 基于对比度方法 | 第18-19页 |
| 2.1.2 基于生物学模拟方法 | 第19-20页 |
| 2.1.3 基于频域分析方法 | 第20页 |
| 2.2 常见图像分割方法 | 第20-23页 |
| 2.2.1 基于区域方法 | 第20-22页 |
| 2.2.2 基于图论方法 | 第22页 |
| 2.2.3 基于活动轮廓方法 | 第22-23页 |
| 2.3 基于运动信息分割方法 | 第23-25页 |
| 2.3.1 光流法 | 第23-24页 |
| 2.3.2 帧间差算法 | 第24页 |
| 2.3.3 背景差分法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于区域特征与视觉显著性的分割算法 | 第26-42页 |
| 3.1 图像采样 | 第26-28页 |
| 3.1.1 双线性插值 | 第26-27页 |
| 3.1.2 基于三次样条插值的边缘重建 | 第27-28页 |
| 3.2 球场区域检测 | 第28-30页 |
| 3.2.1 主颜色区域获取 | 第28-29页 |
| 3.2.2 连通域处理 | 第29-30页 |
| 3.3 基于B样条曲线拟合 | 第30-34页 |
| 3.3.1 基函数 | 第30-32页 |
| 3.3.2 三次样条曲线 | 第32页 |
| 3.3.3 边缘拟合 | 第32-34页 |
| 3.4 基于视觉显著性的标牌区域分割 | 第34-40页 |
| 3.4.1 视觉显著性改进算法 | 第34-35页 |
| 3.4.2 评价指标及结果分析 | 第35-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 基于背景模型的图割算法 | 第42-56页 |
| 4.1 帧间差 | 第43页 |
| 4.2 背景模型 | 第43-46页 |
| 4.2.1 高斯混合模型 | 第43-44页 |
| 4.2.2 能量函数 | 第44-46页 |
| 4.3 改进图割算法 | 第46-55页 |
| 4.3.1 图论 | 第46-47页 |
| 4.3.2 最大流算法 | 第47-49页 |
| 4.3.3 改进图割算法 | 第49-51页 |
| 4.3.4 实验结果及分析 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于光流法的区域跟踪算法 | 第56-72页 |
| 5.1 特征检测 | 第56-61页 |
| 5.1.1 积分图像与Hessian矩阵 | 第57-58页 |
| 5.1.2 尺度空间生成 | 第58-59页 |
| 5.1.3 特征点描述符 | 第59-61页 |
| 5.2 基于光流法的区域跟踪算法 | 第61-65页 |
| 5.2.1 光流场与运动场 | 第61-62页 |
| 5.2.2 光流的约束方程 | 第62-63页 |
| 5.2.3 光流的计算方法 | 第63-65页 |
| 5.3 广告标牌区域获取 | 第65-70页 |
| 5.3.1 单应性矩阵 | 第65-66页 |
| 5.3.2 特征点提纯 | 第66-67页 |
| 5.3.3 区域跟踪算法 | 第67-68页 |
| 5.3.4 实验结果及分析 | 第68-70页 |
| 5.4 本章小结 | 第70-72页 |
| 总结与展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |
