摘要
ABSTRACT
缩略词表
第一部分 绪论
第一章 课题研究的目的和意义
1.1 课题研究的目的
1.2 图像分割研究的意义
1.3 目标跟踪研究的意义
第二章 目前国内外的研究现状和存在的问题
2.1 目标跟踪的基本数学模型
2.2 目标区域提取技术
2.3 目标的特征提取
2.4 目标跟踪
2.5 存在的问题
第三章 本文的研究技术路线和主要研究内容
3.1 研究技术路线
3.2 主要研究内容与论文结构
3.3 论文的主要贡献
参考文献
第二部分 彩色图像分割方法研究
第四章 引言
4.1 图像分割的定义
4.2 图像分割算法的分类
4.3 本部分的主要研究内容与各章节安排
第五章 基于自组织神经网络彩色图像自适应聚类分割
5.1 聚类分析简介
5.2 聚类分析与神经网络对彩色图像分割的意义
5.3 聚类算法的研究
5.4 SOFM神经网络
5.5 基于SOFM网络的图像聚类分割算法
5.6 基于自适应自组织特征映射神经网络的图像分割算法
5.7 两种图像聚类分割算法的分析与比较
第六章 基于遗传算法的彩色图像熵阈值分割
6.1 遗传算法概述
6.2 二维熵阈值选择法
6.3 基于GA的二维熵阈值彩色图像分割
第七章 第二部分结论
参考文献
第三部分 运动目标分割与特征提取
第八章 引言
8.1 视频运动目标分割的主要方法
8.2 本部分主要研究内容和章节安排
第九章 运动目标分割与提取
9.1 背景消减法
9.2 双差分法
9.3 运动检测
9.4 运动目标
9.5 背景更新
第十章 实验步骤及实验结果
10.1 运动目标分割的实验步骤及实验结果
10.2 边缘特征和颜色特征提取
10.3 第三部分结论
参考文献
第四部分 复杂场景下视觉目标跟踪方法研究
第十一章 引言
11.1 目标跟踪研究的特点
11.2 本部分的主要研究内容和章节安排
第十二章 遮挡情况下基于特征相关匹配的刚性目标跟踪
12.1 遮挡问题
12.2 匹配特征的选择
12.3 基于当前统计模型的Kalman预测
12.4 遮挡下边缘匹配算法
12.5 遮挡下基于多子块的灰度匹配算法
12.6 实验结果及分析
12.7 小结
第十三章 基于改进粒子滤波算法的目标跟踪
13.1 粒子滤波器的优点
13.2 粒子滤波器的原理
13.3 粒子滤波算法在目标跟踪中的应用
13.4 颜色模型选择及加权直方图计算
13.5 基于改进的粒子滤波算法的目标跟踪
13.6 目标丢失判断与重新初始化
13.7 实验结果及分析
13.8 小结
第十四章 均值漂移算法和粒子滤波器相结合的目标跟踪
14.1 均值漂移算法原理
14.2 均值漂移算法应用于目标跟踪
14.3 改进的均值漂移跟踪算法
14.4 改进的均值漂移算法与粒子滤波器相结合的目标跟踪
14.5 小结
第十五章 第四部分结论
参考文献
全文结论
致谢
攻读博士学位期间发表的论文
攻读博士学位期间获得的科技成果奖励
攻读博士学位期间承担完成的科研项目
学位论文评阅及答辩情况表