| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 前方车辆识别技术的研究现状 | 第14-16页 |
| 1.2 红外成像原理与红外图像特征 | 第16-17页 |
| 1.3 研究的目的和意义 | 第17-18页 |
| 1.4 论文的主要内容和安排 | 第18-20页 |
| 第二章 红外图像的预处理和分割技术研究 | 第20-28页 |
| 2.1 红外图像去噪技术 | 第20-22页 |
| 2.1.1 均值滤波 | 第20-21页 |
| 2.1.2 中值滤波 | 第21-22页 |
| 2.2 红外图像增强算法 | 第22-24页 |
| 2.2.1 直方图均衡化 | 第22-23页 |
| 2.2.2 灰度线性变换增强 | 第23-24页 |
| 2.3 红外图像分割方法 | 第24-26页 |
| 2.3.1 Otsu阈值分割 | 第25-26页 |
| 2.3.2 区域生长 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 基于聚类分析的红外图像车辆识别方法 | 第28-46页 |
| 3.1 动态聚类算法概述 | 第28-32页 |
| 3.1.1 C-Means聚类算法 | 第29-30页 |
| 3.1.2 ISODATA聚类算法 | 第30-32页 |
| 3.2 一种基于ISODATA聚类算法的红外图像车辆识别方法 | 第32-40页 |
| 3.2.1 基于环境辅助信息提取感兴趣区域 | 第32-34页 |
| 3.2.2 对感兴趣区域进行车辆识别 | 第34-40页 |
| 3.3 算法仿真与结果分析 | 第40-45页 |
| 3.3.1 算法过程实验验证 | 第40-41页 |
| 3.3.2 实验结果对比分析 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于单目视觉的红外车辆被动测距方法 | 第46-54页 |
| 4.1 计算机视觉测距的理论基础 | 第46-48页 |
| 4.2 单目摄像机投影建模分析 | 第48-50页 |
| 4.3 一种基于单目视觉的红外图像被动测距方法 | 第50-53页 |
| 4.3.1 红外目标车辆测距特征点的选取 | 第51-52页 |
| 4.3.2 基于测距特征点和单目视觉的几何测距方法 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 实验和分析 | 第54-60页 |
| 5.1 系统流程与实验方案 | 第54-55页 |
| 5.2 实验结果与数据分析 | 第55-59页 |
| 5.2.1 车辆识别结果与分析 | 第55-57页 |
| 5.2.2 车距检测结果与分析 | 第57-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |