致谢
摘要
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.3 论文结构
2 相关理论基础
2.1 水平集算法
2.2 Chan-Vese模型
2.2.1 Chan-Vese模型定义
2.2.2 数学近似
2.3 Expectation-Maximization算法
2.4 Robbins-Monro算法
2.4.1.1 随机逼近原理
2.4.2 Robbins-Monro函数定义
3 水平集理论
3.1 水平集函数的定义
3.2 水平集曲线的演化
3.3 多水平集框架模型
3.4 多水平集理论与图像分割的融合
3.5 本章小结
4 基于差分相乘和多水平集改进的运动目标轮廓提取
4.1 四帧相邻差分相乘法
4.2 基于自适应中值的图像滤波去噪
4.3 能量参数λ的统计分析及设定
4.4 基于区域多水平集的活动轮廓模型建立
4.5 仿真结果分析
4.6 本章小结
5 背景建模中的随机逼近算法
5.1 背景建模
5.2 基于混合的全阶协方差矩阵的AE随机逼近模型
5.2.1 AE随机逼近模型定义
5.2.2 基于像素的量化噪声估计
5.2.3 基于时变性质的背景突变检测
5.2.4 AE随机逼近模型的初始化和实现
5.3 实验仿真结果与分析
5.3.1 定性结果分析
5.3.2 AE模型的步长因子统计选择和性能评价
5.3.3 定量结果分析
5.3.4 AE随机逼近模型的优势与应用前景
5.4 本章小结
6 总结与展望
6.1 本文工作总结
6.2 展望
参考文献
图索引
表索引
作者简历
声明
学位论文数据集