| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 课题来源 | 第12页 |
| 1.2 研究背景与意义 | 第12-13页 |
| 1.2.1 研究背景 | 第12页 |
| 1.2.2 研究意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.3.1 国外研究现状 | 第13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 发展趋势 | 第14-15页 |
| 1.5 本文主要工作 | 第15页 |
| 1.6 本文的结构 | 第15-17页 |
| 第2章 基于视觉的非结构化道路检测的相关研究 | 第17-28页 |
| 2.1 图像降噪 | 第18-22页 |
| 2.1.1 背景 | 第18页 |
| 2.1.2 常见的图像噪声 | 第18页 |
| 2.1.3 图像噪声模型 | 第18-20页 |
| 2.1.4 图像降噪算法分类 | 第20页 |
| 2.1.5 经典图像降噪算法 | 第20-22页 |
| 2.2 图像去模糊 | 第22-23页 |
| 2.3 道路区域分割 | 第23-26页 |
| 2.3.1 基于边缘检测的方法 | 第24页 |
| 2.3.2 阈值分割方法 | 第24页 |
| 2.3.3 基于聚类的分割方法 | 第24-25页 |
| 2.3.4 活动轮廓方法 | 第25页 |
| 2.3.5 基于图论的方法 | 第25页 |
| 2.3.6 区域生长与分水岭算法 | 第25-26页 |
| 2.4 基于各向异性扩散的数字图像处理 | 第26-27页 |
| 2.4.1 基于各向异性扩散的数字图像处理的发展历史 | 第26页 |
| 2.4.2 各向异性扩散应用到图像分割中的优势 | 第26-27页 |
| 2.5 小结 | 第27-28页 |
| 第3章 感兴趣区域内的降噪去模糊算法 | 第28-38页 |
| 3.1 道路降噪去模糊处理框架 | 第28-29页 |
| 3.2 感兴趣区域获取 | 第29-31页 |
| 3.3 降噪去模糊 | 第31-35页 |
| 3.3.1 降噪作为预处理的副作用 | 第32-33页 |
| 3.3.2 定向滤波 | 第33页 |
| 3.3.3 噪声的感知核估计 | 第33-34页 |
| 3.3.4 最终的噪声感知非盲去卷积 | 第34-35页 |
| 3.4 实验 | 第35-37页 |
| 3.4.1 实验平台 | 第35页 |
| 3.4.2 实验数据 | 第35-36页 |
| 3.4.3 降噪去模糊的实现 | 第36-37页 |
| 3.5 小结 | 第37-38页 |
| 第4章 基于超像素和各向异性热扩散的道路检测算法 | 第38-47页 |
| 4.1 超像素算法 | 第38-39页 |
| 4.2 各向异性热扩散的子模块优化 | 第39-41页 |
| 4.3 多样性排序和聚类 | 第41-42页 |
| 4.4 结合超像素和各向异性热扩散的道路检测 | 第42-43页 |
| 4.5 实验 | 第43-45页 |
| 4.6 小结 | 第45-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 附录A 攻读学位期间所发表的学术论文 | 第54-55页 |
| 附录B 攻读硕士期间参与的项目列表 | 第55-56页 |
| 致谢 | 第56页 |