第1章 緒論
1.1 研究的目的和意義
1.2 外研究現(xiàn)狀
1.2.1 內(nèi)河船舶檢測(cè)系統(tǒng) 外研究現(xiàn)狀
1.2.2 運(yùn)動(dòng)目標(biāo)視覺檢測(cè) 外研究現(xiàn)狀
1.2.3 基于背景差分法的內(nèi)河運(yùn)動(dòng)船舶檢測(cè)研究現(xiàn)狀
1.3 運(yùn)動(dòng)船舶視覺檢測(cè)的特點(diǎn)與難點(diǎn)
1.3.1 特點(diǎn)分析
1.3.2 難點(diǎn)分析
1.4 算法性能評(píng)價(jià)指標(biāo)
參考文獻(xiàn)
第2章 經(jīng)典的運(yùn)動(dòng)目標(biāo)檢測(cè)算法
2.1 光流法
2.1.1 光流法原理
2.1.2 Horn-Schunck算法
2.1.3 Lucas-Kanade算法
2.1.4 光流法分析
2.2 幀差法
2.2.1 二幀差分法
2.2.2 三幀差分法
2.3 背景差分算法
2.3.1 混合高斯模型算法
2.3.2 codebook算法
2.4 實(shí)驗(yàn)對(duì)比分析
2.4.1 定性實(shí)驗(yàn)結(jié)果及分析
2.4.2 定量實(shí)驗(yàn)結(jié)果及分析
參考文獻(xiàn)
第3章 基于樣本一致性的檢測(cè)算法
3.1 ViBe算法
3.1.1 背景模型初始化
3.1.2 前景檢測(cè)
3.1.3 背景模型 新
3.1.4 實(shí)驗(yàn)參數(shù)調(diào)整
3.2 SuBSENSE算法
3.2.1 局部二值相似模式
3.2.2 背景建模
3.2.3 像素分類與背景 新
3.2.4 參數(shù)自適應(yīng)反饋機(jī)制
3.3 基于SuBSENSE的內(nèi)河運(yùn)動(dòng)船舶檢測(cè)結(jié)果與分析
3.4 SuBSENSE算法優(yōu)化
3.4.1 后處理優(yōu)化
3.4.2 時(shí)間優(yōu)化
3.5 優(yōu)化后的SuBSENSE算法實(shí)驗(yàn)分析
3.5.1 定性分析
3.5.2 定量分析
參考文獻(xiàn)
第4章 基于動(dòng)態(tài)組稀疏的檢測(cè)算法
4.1 壓縮感知原理
4.1.1 信號(hào)稀疏表示
4.1.2 非相關(guān)測(cè)量
4.1.3 重建算法
4.2 動(dòng)態(tài)組稀疏算法
4.3 基于DGS的運(yùn)動(dòng)目標(biāo)檢測(cè)算法
4.3.1 EAdaDGS重構(gòu)算法
4.3.2 背景字典 新機(jī)制
4.3.3 多分辨率檢測(cè)
4.4 實(shí)驗(yàn)結(jié)果分析
4.4.1 有效性分析
4.4.2 實(shí)時(shí)性分析
參考文獻(xiàn)
第5章 融合稀疏表示和顯著性檢測(cè)的背景建模
5.1 基于稀疏表示的背景建模
5.2 基于顯著性檢測(cè)的內(nèi)河圖像顯著區(qū)域提取
5.2.1 顯著性檢測(cè)
5.2.2 AC模型
5.2.3 Var模型
5.2.4 顯著圖融合
5.3 像素分類與背景 新
5.4 算法分析
5.4.1 理論分析
5.4.2 實(shí)驗(yàn)分析
參考文獻(xiàn)
第6章 實(shí)驗(yàn)對(duì)比分析
6.1 參數(shù)設(shè)置
6.2 定性實(shí)驗(yàn)結(jié)果及分析
6.3 定量實(shí)驗(yàn)結(jié)果及分析
參考文獻(xiàn)
第7章 自適應(yīng)運(yùn)動(dòng)船舶檢測(cè)算法
7.1 算法整體框架
7.2 自適應(yīng)策略
7.2.1 算法原理
7.2.2 權(quán)重自適應(yīng)調(diào)整的空間相關(guān)
7.3 實(shí)驗(yàn)結(jié)果分析
7.3.1 有效性分析
7.3.2 魯棒性分析
7.3.3 兼容性分析
7.3.4 實(shí)時(shí)性分析
參考文獻(xiàn)
第8章 船舶視覺檢測(cè)庫建立與算法實(shí)驗(yàn)平臺(tái)設(shè)計(jì)
8.1 船舶視覺檢測(cè)庫建立的必要性
8.2 船舶視覺檢測(cè)庫的建立
8.3 算法實(shí)驗(yàn)平臺(tái)設(shè)計(jì)
8.3.1 關(guān)鍵技術(shù)實(shí)現(xiàn)
8.3.2 平臺(tái)功能
參考文獻(xiàn)