铁路跟踪和铁路信号灯识别的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究状况 | 第12-14页 |
| ·铁路跟踪现状 | 第12-13页 |
| ·铁路信号灯识别现状 | 第13-14页 |
| ·本文的主要内容和论文结构安排 | 第14-16页 |
| ·本文的主要内容 | 第14页 |
| ·论文结构安排 | 第14-16页 |
| 第二章 基于图像处理的铁路信号灯识别策略 | 第16-25页 |
| ·应用背景 | 第16-18页 |
| ·红外热成像系统和可见光 CCD 传感器 | 第18-20页 |
| ·红外热成像系统 | 第18-19页 |
| ·可见光 CCD 传感器 | 第19-20页 |
| ·图像融合 | 第20-23页 |
| ·红外图像和可见光图像融合 | 第20-22页 |
| ·红外图像和可见光图像融合方法 | 第22-23页 |
| ·铁路信号灯识别策略 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于红外图像灰度直方图的铁路跟踪 | 第25-42页 |
| ·红外图像的特点 | 第25-26页 |
| ·常用跟踪算法 | 第26-29页 |
| ·波门跟踪方法 | 第26-28页 |
| ·图像匹配跟踪 | 第28页 |
| ·光流检测跟踪 | 第28-29页 |
| ·红外图像直方图 | 第29-32页 |
| ·灰度直方图 | 第29-30页 |
| ·灰度直方图相似度原理 | 第30-32页 |
| ·红外图像增强 | 第32-35页 |
| ·中值滤波 | 第32-33页 |
| ·直方图均衡化 | 第33-35页 |
| ·模板更新策略 | 第35-36页 |
| ·铁路跟踪算法的实现 | 第36-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于可见光图像的铁路信号灯的识别 | 第42-63页 |
| ·颜色空间模型 | 第42-47页 |
| ·常用颜色空间模型 | 第42-46页 |
| ·RGB 颜色空间模型 | 第42-43页 |
| ·Lab 颜色空间模型 | 第43-44页 |
| ·HSV 颜色空间模型 | 第44-45页 |
| ·HSI 颜色空间模型 | 第45-46页 |
| ·RGB 空间和 HSI 空间之间的转换 | 第46-47页 |
| ·图像分割方法分析 | 第47-55页 |
| ·阈值分割 | 第47-50页 |
| ·直方图谷峰法 | 第48-49页 |
| ·大津法 | 第49-50页 |
| ·迭代法 | 第50页 |
| ·基于边缘检测分割 | 第50-54页 |
| ·Roberts 算子 | 第51页 |
| ·Sobel 算子 | 第51页 |
| ·Prewitt 算子 | 第51-52页 |
| ·Laplacian 算子 | 第52页 |
| ·LOG 算子 | 第52-53页 |
| ·Canny 算子 | 第53-54页 |
| ·基于区域分割 | 第54-55页 |
| ·铁路信号灯几何形状识别 | 第55-58页 |
| ·圆形度 | 第55-56页 |
| ·Hough 变换 | 第56-58页 |
| ·铁路信号灯识别效果 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结和展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 研究生期间的学术成果 | 第70-71页 |
