| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-14页 |
| 1.3 雾天图像的特点分析及车辆检测跟踪存在的问题 | 第14-16页 |
| 1.3.1 不同雾况下的图像特点 | 第14-15页 |
| 1.3.2 雾天车辆检测和跟踪存在的问题 | 第15-16页 |
| 1.4 本文的研究内容 | 第16-17页 |
| 1.5 本文的组织结构 | 第17-18页 |
| 第2章 薄雾环境下的车辆检测技术研究 | 第18-35页 |
| 2.1 常用检测方法概述 | 第18-20页 |
| 2.1.1 背景差分法 | 第18页 |
| 2.1.2 帧间差分法 | 第18-19页 |
| 2.1.3 光流法 | 第19-20页 |
| 2.2 薄雾图像的预处理 | 第20-24页 |
| 2.2.1 常用的图像增强方法分析 | 第20-22页 |
| 2.2.2 基于阈值分割的薄雾天退化图像增强 | 第22-24页 |
| 2.3 改进的混合高斯车辆检测方法研究 | 第24-30页 |
| 2.3.1 经典的混合高斯车辆检测方法 | 第24-26页 |
| 2.3.2 自适应的混合高斯背景建模及车辆提取 | 第26-29页 |
| 2.3.3 基于帧差法的背景更新 | 第29-30页 |
| 2.4 薄雾环境下车辆检测的后处理 | 第30-33页 |
| 2.4.1 形态学处理 | 第30-32页 |
| 2.4.2 基于区域生长的连通区域提取 | 第32-33页 |
| 2.5 实验结果分析 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 浓雾环境下的车辆检测技术研究 | 第35-54页 |
| 3.1 浓雾图像的预处理 | 第35-38页 |
| 3.1.1 RGB颜色空间 | 第36-37页 |
| 3.1.2 浓雾图像颜色通道提取 | 第37-38页 |
| 3.2 基于阈值分割的车灯检测 | 第38-43页 |
| 3.2.1 常用的阈值分割方法分析 | 第38-40页 |
| 3.2.2 自适应阈值车灯分割 | 第40-42页 |
| 3.2.3 形态学的处理 | 第42-43页 |
| 3.3 基于车灯关联配对的车辆检测 | 第43-49页 |
| 3.3.1 基于区域生长的车灯外接矩形框的提取 | 第43-44页 |
| 3.3.2 基于多特征的车灯配对 | 第44-46页 |
| 3.3.3 车前灯与雾灯的关联匹配 | 第46-47页 |
| 3.3.4 配对异常情况及解决方案 | 第47-49页 |
| 3.4 反射光的剔除 | 第49-52页 |
| 3.4.1 基于几何形状的反射光剔除 | 第49-50页 |
| 3.4.2 基于邻域的反射光剔除 | 第50-52页 |
| 3.5 实验结果分析 | 第52-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 雾天环境下的车辆跟踪方法研究 | 第54-67页 |
| 4.1 常用的车辆跟踪方法概述 | 第54-56页 |
| 4.1.1 基于区域的跟踪方法 | 第54页 |
| 4.1.2 基于轮廓的跟踪方法 | 第54-55页 |
| 4.1.3 基于模型的跟踪方法 | 第55页 |
| 4.1.4 基于特征的跟踪方法 | 第55-56页 |
| 4.2 卡尔曼滤波的基本原理 | 第56-57页 |
| 4.3 基于多特征的Kalman滤波跟踪算法 | 第57-64页 |
| 4.3.1 特征值的计算 | 第58-60页 |
| 4.3.2 运动估计模型的建立 | 第60-62页 |
| 4.3.3 车辆的匹配及特征记录更新 | 第62-64页 |
| 4.4 实验结果分析 | 第64-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 研究内容总结 | 第67-68页 |
| 5.2 未来工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间的研究成果 | 第73页 |