運動目標檢測理論與方法

第１章 緒論\t1
1．1 運動目標檢測研究背景及意義\t1
1．2 運動目標檢測技術發(fā)展及研究現(xiàn)狀\t6
1．3 運動目標檢測的應用難題和研究熱點\t11
1．3．1 運動目標檢測的應用難題\t11
1．3．2 運動目標檢測的研究熱點\t12
1．4 本章小結\t13
參考文獻\t13
第2章 運動目標檢測概述\t18
2．1 運動目標檢測的經典方法\t18
2．1．1 幀間差分法\t18
2．1．2 光流法\t20
2．1．3 背景減除法\t21
2．2 運動目標檢測的性能評價\t24
2．2．1 主觀評價\t25
2．2．2 客觀評價\t25
2．3 運動目標檢測的公開數(shù)據(jù)庫\t28
2．4 本章小結\t42
參考文獻\t42
第3章 基于單像素特征建模的運動目標檢測\t45
3．1 相關工作與研究現(xiàn)狀\t45
3．2 基于人類視覺亮度敏感性的運動目標檢測算法\t46
3．2．1 揭示人類感知規(guī)律的韋伯定律\t47
3．2．2 適用于復雜圖像背景環(huán)境的韋伯比的分析與推導\t49
3．2．3 基于人類視覺亮度敏感性的自適應匹配判斷閾值設置\t52
3．2．4 算法描述\t53
3．2．5 自適應匹配判斷閾值對算法性能的影響分析\t55
3．3 實驗結果及分析\t56
3．3．1 實驗環(huán)境設置\t56
3．3．2 定性分析\t59
3．3．3 定量分析\t63
3．4 本章小結\t65
參考文獻\t65
第4章 基于復雜特征建模的運動目標檢測\t68
4．1 相關工作與研究現(xiàn)狀\t68
4．2 基于改進脈沖耦合神經網絡的運動目標檢測算法\t69
4．2．1 脈沖耦合神經網絡（PCNN）的基礎理論\t70
4．2．2 基于改進脈沖耦合神經網絡的全局特征提取\t75
4．2．3 算法描述\t79
4．3 實驗結果及分析\t80
4．3．1 實驗環(huán)境設置\t80
4．3．2 定性分析\t81
4．3．3 定量分析\t88
4．4 本章小結\t90
參考文獻\t90
第5章 基于多源信息建模的運動目標檢測\t93
5．1 相關工作與研究現(xiàn)狀\t93
5．2 基于紅外、可見光多源特征融合建模的運動目標檢測算法\t94
5．2．1 紅外、可見光多源特征融合的理論基礎和優(yōu)勢分析\t95
5．2．2 算法描述\t98
5．3 實驗結果及分析\t101
5．3．1 實驗環(huán)境設置\t101
5．3．2 定性分析\t102
5．3．3 定量分析\t106
5．4 本章小結\t107
參考文獻\t108
第6章 基于低維子空間分解的運動目標檢測\t109
6．1 相關工作與研究現(xiàn)狀\t109
6．1．1 低維子空間分解理論基礎\t110
6．1．2 低維子空間分解在運動目標檢測中的應用\t111
6．2 基于改進在線魯棒主成分分析的運動目標檢測算法\t112
6．2．1 自適應稀疏權重的在線魯棒主成分分析\t112
6．2．2 算法描述\t116
6．3 實驗結果及分析\t120
6．3．1 實驗環(huán)境設置\t120
6．3．2 定性分析\t122
6．3．3 定量分析\t126
6．4 本章小結\t128
參考文獻\t128
第7章 基于盲源信號分離的運動目標檢測\t130
7．1 相關工作與研究現(xiàn)狀\t130
7．1．1 盲源信號分離理論基礎\t131
7．1．2 盲源信號分離在運動目標檢測中的應用\t132
7．2 基于約束非線性獨立成分分析的運動目標檢測算法\t133
7．2．1 運動目標檢測中的非線性盲源分離問題\t133
7．2．2 算法描述\t135
7．3 實驗結果及分析\t137
7．3．1 實驗環(huán)境設置\t137
7．3．2 定性分析\t138
7．3．3 定量分析\t141
7．4 本章小結\t142
參考文獻\t142
第8章 基于三維小波變換的運動目標檢測\t144
8．1 小波變換基礎理論與快速算法\t145
8．1．1 一維小波變換\t146
8．1．2 三維小波變換\t150
8．2 基于三維小波變換的運動目標檢測算法\t155
8．2．1 三維小波變換用于運動目標檢測的理論分析\t155
8．2．2 算法描述\t157
8．2．3 算法優(yōu)勢分析\t159
8．3 實驗結果及分析\t162
8．3．1 實驗環(huán)境設置\t162
8．3．2 定性分析\t166
8．3．3 定量分析\t177
8．4 本章小結\t182
參考文獻\t182