红外图像技术下行人检测算法研究与设计
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·系统的研究背景 | 第10页 |
| ·系统研究的意义 | 第10-11页 |
| ·行人检测技术现状 | 第11-13页 |
| ·红外图像行人检测系统构成 | 第13-14页 |
| ·本文研究内容与章节安排 | 第14-16页 |
| 第2章 图像预处理 | 第16-30页 |
| ·图像预处理基本流程 | 第16-17页 |
| ·红外图像特点 | 第17-18页 |
| ·红外图像噪声处理 | 第18-20页 |
| ·红外图像对比度增强 | 第20-23页 |
| ·红外图像阈值分割 | 第23-26页 |
| ·二值图像形态学运算 | 第26-28页 |
| ·腐蚀 | 第26-27页 |
| ·膨胀 | 第27-28页 |
| ·开运算和闭运算 | 第28页 |
| ·小面积区域滤除 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 行人分割算法研究与设计 | 第30-54页 |
| ·行人分割算法设计 | 第30-31页 |
| ·图像双阈值处理 | 第31-34页 |
| ·基于交互式遗传算法的双阈值参数优化 | 第34-43页 |
| ·交互式遗传算法 | 第34-39页 |
| ·双阈值参数优化 | 第39-43页 |
| ·感兴趣区域分割 | 第43-51页 |
| ·连通区域标记 | 第43-47页 |
| ·确定对称轴 | 第47-49页 |
| ·综合判断 | 第49-51页 |
| ·本章小结 | 第51-54页 |
| 第4章 行人识别算法研究 | 第54-68页 |
| ·红外图像特征提取 | 第54-56页 |
| ·颜色或灰度的统计特征提取 | 第54-55页 |
| ·纹理特征提取 | 第55页 |
| ·边缘特征提取 | 第55-56页 |
| ·图像变换系数特征提取 | 第56页 |
| ·HOG特征 | 第56-60页 |
| ·梯度计算 | 第57-58页 |
| ·HOG积分图的算法 | 第58页 |
| ·HOG特征算法步骤 | 第58-60页 |
| ·支持向量机(SVM) | 第60-64页 |
| ·线性支持向量机 | 第61-63页 |
| ·支持向量机的特点及其优势 | 第63-64页 |
| ·基于支持向量机的行人识别 | 第64-66页 |
| ·样本准备 | 第64-65页 |
| ·特征提取 | 第65页 |
| ·线性SVM离线训练 | 第65页 |
| ·SVM的在线识别 | 第65-66页 |
| ·离线训练结果与分析 | 第66页 |
| ·本章小结 | 第66-68页 |
| 第5章 行人检测算法实验 | 第68-78页 |
| ·软件运行环境 | 第68页 |
| ·硬件运行环境 | 第68页 |
| ·算法评估方法 | 第68-76页 |
| ·评估数据 | 第68-69页 |
| ·评估方法 | 第69-70页 |
| ·算法对比实验 | 第70-76页 |
| ·评估结果 | 第76-78页 |
| 第6章 总结及展望 | 第78-80页 |
| ·研究工作总结 | 第78页 |
| ·未来工作展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 攻读学位期间发表的论著、获奖情况及发明专利 | 第86页 |
