內(nèi)河航運運動船舶視覺檢測算法

第1章 緒論
1．1 研究的目的和意義
1．2 國內(nèi)外研究現(xiàn)狀
1．2．1 內(nèi)河船舶檢測系統(tǒng)國內(nèi)外研究現(xiàn)狀
1．2．2 運動目標(biāo)視覺檢測國內(nèi)外研究現(xiàn)狀
1．2．3 基于背景差分法的內(nèi)河運動船舶檢測研究現(xiàn)狀
1．3 運動船舶視覺檢測的特點與難點
1．3．1 特點分析
1．3．2 難點分析
1．4 算法性能評價指標(biāo)
參考文獻
第2章 經(jīng)典的運動目標(biāo)檢測算法
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 實驗對比分析
2．4．1 定性實驗結(jié)果及分析
2．4．2 定量實驗結(jié)果及分析
參考文獻
第3章 基于樣本一致性的檢測算法
3．1 ViBe算法
3．1．1 背景模型初始化
3．1．2 前景檢測
3．1．3 背景模型更新
3．1．4 實驗參數(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 像素分類與背景更新
3．2．4 參數(shù)自適應(yīng)反饋機制
3．3 基于SuBSENSE的內(nèi)河運動船舶檢測結(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 時間優(yōu)化
3．5 優(yōu)化后的SuBSENSE算法實驗分析
3．5．1 定性分析
3．5．2 定量分析
參考文獻
第4章 基于動態(tài)組稀疏的檢測算法
4．1 壓縮感知原理
4．1．1 信號稀疏表示
4．1．2 非相關(guān)測量
4．1．3 重建算法
4．2 動態(tài)組稀疏算法
4．3 基于DGS的運動目標(biāo)檢測算法
4．3．1 EAdaDGS重構(gòu)算法
4．3．2 背景字典更新機制
4．3．3 多分辨率檢測
4．4 實驗結(jié)果分析
4．4．1 有效性分析
4．4．2 實時性分析
參考文獻
第5章 融合稀疏表示和顯著性檢測的背景建模
5．1 基于稀疏表示的背景建模
5．2 基于顯著性檢測的內(nèi)河圖像顯著區(qū)域提取
5．2．1 顯著性檢測
5．2．2 AC模型
5．2．3 Var模型
5．2．4 顯著圖融合
5．3 像素分類與背景更新
5．4 算法分析
5．4．1 理論分析
5．4．2 實驗分析
參考文獻
第6章 實驗對比分析
6．1 參數(shù)設(shè)置
6．2 定性實驗結(jié)果及分析
6．3 定量實驗結(jié)果及分析
參考文獻
第7章 自適應(yīng)運動船舶檢測算法
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 實驗結(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 實時性分析
參考文獻
第8章 船舶視覺檢測庫建立與算法實驗平臺設(shè)計
8．1 船舶視覺檢測庫建立的必要性
8．2 船舶視覺檢測庫的建立
8．3 算法實驗平臺設(shè)計
8．3．1 關(guān)鍵技術(shù)實現(xiàn)
8．3．2 平臺功能
參考文獻