随着网络和计算机技术的飞速发展，内河航道信息化成为航运**监管的一种有效途径，航运视频监控系统在海事监管中发挥着越来越重要的作用。为了进一步提高航运视频监控的智能化水平，《内河航运运动船舶视觉检测算法（附光盘）》**研究了内河航运运动船舶视觉检测算法。为了使读者系统地了解运动船舶检测领域的理论及算法，《内河航运运动船舶视觉检测算法（附光盘）》分析了运动目标视觉检测和内河航运运动船舶检测的国内外研究现状，讨论了内河航运中运动船舶检测的特点和难点。从光流法、帧差法、GMM和codebook这4种经典的算法到基于样本一致性的ViBe算法和SuBSENSE算法，由浅入深地介绍了运动船舶视觉检测算法的设计思路和方法，提出了视觉检测中需要解决的干扰问题。《内河航运运动船舶视觉检测算法（附光盘）》**研究了压缩感知（Compres-siveSense）中自适应动态组稀疏方法，直接从视频帧中重构出背景图像和前景图像，同时提出了基于稀疏表示和显著性检测相结合的运动船舶视觉检测算法，通过对背景模型的稀疏表示，显示出基于压缩感知的检测算法对各类场景均具有较强的适应能力。在对6种背景建模视觉检测算法进行定量和

第1章 绪论
1．1 研究的目的和意义
1．2 国内外研究现状
1．2．1 内河船舶检测系统国内外研究现状
1．2．2 运动目标视觉检测国内外研究现状
1．2．3 基于背景差分法的内河运动船舶检测研究现状
1．3 运动船舶视觉检测的特点与难点
1．3．1 特点分析
1．3．2 难点分析
1．4 算法性能评价指标
参考文献

第2章 经典的运动目标检测算法
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 帧差法
2．2．1 二帧差分法
2．2．2 三帧差分法
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 实验对比分析
2．4．1 定性实验结果及分析
2．4．2 定量实验结果及分析
参考文献

第3章 基于样本一致性的检测算法
3．1 ViBe算法
3．1．1 背景模型初始化
3．1．2 前景检测
3．1．3 背景模型更新
3．1．4 实验参数调整
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 像素分类与背景更新
3．2．4 参数自适应反馈机制
3．3 基于SuBSENSE的内河运动船舶检测结果与分析
3．4 SuBSENSE算法优化
3．4．1 后处理优化
3．4．2 时间优化
3．5 优化后的SuBSENSE算法实验分析
3．5．1 定性分析
3．5．2 定量分析
参考文献

第4章 基于动态组稀疏的检测算法
4．1 压缩感知原理
4．1．1 信号稀疏表示
4．1���2 非相关测量
4．1．3 重建算法
4．2 动态组稀疏算法
4．3 基于DGS的运动目标检测算法
4．3．1 EAdaDGS重构算法
4．3．2 背景字典更新机制
4．3．3 多分辨率检测
4．4 实验结果分析
4．4．1 有效性分析
4．4．2 实时性分析
参考文献

第5章 融合稀疏表示和显著性检测的背景建模
5．1 基于稀疏表示的背景建模
5．2 基于显著性检测的内河图像显著区域提取
5．2．1 显著性检测
5．2．2 AC模型
5．2．3 Var模型
5．2．4 显著图融合
5．3 像素分类与背景更新
5．4 算法分析
5．4．1 理论分析
5．4．2 实验分析
参考文献

第6章 实验对比分析
6．1 参数设置
6．2 定性实验结果及分析
6．3 定量实验结果及分析
参考文献

第7章 自适应运动船舶检测算法
7．1 算法整体框架
7．2 自适应策略
7．2．1 算法原理
7．2．2 权重自适应调整的空间相关
7．3 实验结果分析
7．3．1 有效性分析
7．3．2 鲁棒性分析
7．3．3 兼容性分析
7．3．4 实时性分析
参考文献

第8章 船舶视觉检测库建立与算法实验平台设计
8．1 船舶视觉检测库建立的必要性
8．2 船舶视觉检测库的建立
8．3 算法实验平台设计
8．3．1 关键技术实现
8．3．2 平台功能
参考文献