视频对象分割技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-15页 |
| ·论文选题背景及意义 | 第11-12页 |
| ·研究现状 | 第12-14页 |
| ·论文工作介绍 | 第14-15页 |
| 第二章 视频对象分割技术的理论基础 | 第15-34页 |
| ·形态学方面的有关理论 | 第15-18页 |
| ·膨胀和腐蚀 | 第15-17页 |
| ·开和闭 | 第17-18页 |
| ·主动轮廓模型 | 第18-23页 |
| ·Snake的数学模型 | 第18-19页 |
| ·Snake模型算法的实现 | 第19-22页 |
| ·Snake模型的优缺点 | 第22-23页 |
| ·统计模式识别方面的理论 | 第23-28页 |
| ·贝叶斯(Bayes)分类器 | 第23-26页 |
| ·马尔科夫(Markov)随机场模型 | 第26-28页 |
| ·神经网络方面的相关理论 | 第28-33页 |
| ·神经元模型 | 第28-29页 |
| ·神经网络分类器 | 第29-31页 |
| ·神经网络的BP学习算法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 视频对象分割技术 | 第34-49页 |
| ·帧内(空域)的分割技术 | 第34-40页 |
| ·区域信息的分割方法 | 第35页 |
| ·边缘信息的分割方法 | 第35-37页 |
| ·分水岭的分割方法 | 第37-38页 |
| ·活动轮廓的分割方法 | 第38-40页 |
| ·帧间(时域)的分割技术 | 第40-46页 |
| ·累计帧差法 | 第40-42页 |
| ·统计学背景差 | 第42-43页 |
| ·动态背景构建的背景差方法 | 第43-46页 |
| ·联合时空信息的分割技术 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 立体视频对象分割 | 第49-67页 |
| ·视差估计 | 第49-57页 |
| ·视差估计过程中的基本约束 | 第49-51页 |
| ·区域匹配的视差估计算法 | 第51-52页 |
| ·特征匹配的视差估计算法 | 第52-53页 |
| ·动态规划的视差估计算法 | 第53-55页 |
| ·图切割的视差估计算法 | 第55-57页 |
| ·主动轮廓的立体视频对象分割 | 第57-58页 |
| ·一种主动轮廓和神经网络的立体视频对象分割 | 第58-66页 |
| ·问题构建 | 第58-59页 |
| ·训练方式 | 第59-60页 |
| ·训练集提取 | 第60-62页 |
| ·实验结果 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 总结与展望 | 第67-68页 |
| 总结 | 第67页 |
| 展望 | 第67-68页 |
| 参考文献 | 第68-77页 |
| 攻读学位期间发表的论文 | 第77-81页 |
| 致谢 | 第81页 |
