运动目标检测理论与方法

第１章 绪论\t1
1．1 运动目标检测研究背景及意义\t1
1．2 运动目标检测技术发展及研究现状\t6
1．3 运动目标检测的应用难题和研究热点\t11
1．3．1 运动目标检测的应用难题\t11
1．3．2 运动目标检测的研究热点\t12
1．4 本章小结\t13
参考文献\t13
第2章 运动目标检测概述\t18
2．1 运动目标检测的经典方法\t18
2．1．1 帧间差分法\t18
2．1．2 光流法\t20
2．1．3 背景减除法\t21
2．2 运动目标检测的性能评价\t24
2．2．1 主观评价\t25
2．2．2 客观评价\t25
2．3 运动目标检测的公开数据库\t28
2．4 本章小结\t42
参考文献\t42
第3章 基于单像素特征建模的运动目标检测\t45
3．1 相关工作与研究现状\t45
3．2 基于人类视觉亮度敏感性的运动目标检测算法\t46
3．2．1 揭示人类感知规律的韦伯定律\t47
3．2．2 适用于复杂图像背景环境的韦伯比的分析与推导\t49
3．2．3 基于人类视觉亮度敏感性的自适应匹配判断阈值设置\t52
3．2．4 算法描述\t53
3．2．5 自适应匹配判断阈值对算法性能的影响分析\t55
3．3 实验结果及分析\t56
3．3．1 实验环境设置\t56
3．3．2 定性分析\t59
3．3．3 定量分析\t63
3．4 本章小结\t65
参考文献\t65
第4章 基于复杂特征建模的运动目标检测\t68
4．1 相关工作与研究现状\t68
4．2 基于改进脉冲耦合神经网络的运动目标检测算法\t69
4．2．1 脉冲耦合神经网络（PCNN）的基础理论\t70
4．2．2 基于改进脉冲耦合神经网络的全局特征提取\t75
4．2．3 算法描述\t79
4．3 实验结果及分析\t80
4．3．1 实验环境设置\t80
4．3．2 定性分析\t81
4．3．3 定量分析\t88
4．4 本章小结\t90
参考文献\t90
第5章 基于多源信息建模的运动目标检测\t93
5．1 相关工作与研究现状\t93
5．2 基于红外、可见光多源特征融合建模的运动目标检测算法\t94
5．2．1 红外、可见光多源特征融合的理论基础和优势分析\t95
5．2．2 算法描述\t98
5．3 实验结果及分析\t101
5．3．1 实验环境设置\t101
5．3．2 定性分析\t102
5．3．3 定量分析\t106
5．4 本章小结\t107
参考文献\t108
第6章 基于低维子空间分解的运动目标检测\t109
6．1 相关工作与研究现状\t109
6．1．1 低维子空间分解理论基础\t110
6．1．2 低维子空间分解在运动目标检测中的应用\t111
6．2 基于改进在线鲁棒主成分分析的运动目标检测算法\t112
6．2．1 自适应稀疏权重的在线鲁棒主成分分析\t112
6．2．2 算法描述\t116
6．3 实验结果及分析\t120
6．3．1 实验环境设置\t120
6．3．2 定性分析\t122
6．3．3 定量分析\t126
6．4 本章小结\t128
参考文献\t128
第7章 基于盲源信号分离的运动目标检测\t130
7．1 相关工作与研究现状\t130
7．1．1 盲源信号分离理论基础\t131
7．1．2 盲源信号分离在运动目标检测中的应用\t132
7．2 基于约束非线性独立成分分析的运动目标检测算法\t133
7．2．1 运动目标检测中的非线性盲源分离问题\t133
7．2．2 算法描述\t135
7．3 实验结果及分析\t137
7．3．1 实验环境设置\t137
7．3．2 定性分析\t138
7．3．3 定量分析\t141
7．4 本章小结\t142
参考文献\t142
第8章 基于三维小波变换的运动目标检测\t144
8．1 小波变换基础理论与快速算法\t145
8．1．1 一维小波变换\t146
8．1．2 三维小波变换\t150
8．2 基于三维小波变换的运动目标检测算法\t155
8．2．1 三维小波变换用于运动目标检测的理论分析\t155
8．2．2 算法描述\t157
8．2．3 算法优势分析\t159
8．3 实验结果及分析\t162
8．3．1 实验环境设置\t162
8．3．2 定性分析\t166
8．3．3 定量分析\t177
8．4 本章小结\t182
参考文献\t182