行车视频中路面标记识别技术研究及其安卓应用开发
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 主要的工作 | 第16-17页 |
| 1.4 论文章节的行文安排 | 第17-19页 |
| 第二章 路面交通标记的分割提取 | 第19-35页 |
| 2.1 前言 | 第19页 |
| 2.2 图像的预处理 | 第19-22页 |
| 2.2.1 图像的灰度化 | 第19-21页 |
| 2.2.2 直方图均衡 | 第21页 |
| 2.2.3 滤波去噪 | 第21-22页 |
| 2.3 图像的二值化方法 | 第22-28页 |
| 2.3.1 基于灰度直方图的方法 | 第23-27页 |
| 2.3.2 局部自适应阈值的方法 | 第27-28页 |
| 2.4 形态学滤波 | 第28-31页 |
| 2.4.1 腐蚀、膨胀 | 第29-30页 |
| 2.4.2 开运算、闭运算 | 第30-31页 |
| 2.5 图像的轮廓查找算法 | 第31-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 路面交通标记的识别 | 第35-53页 |
| 3.1 前言 | 第35页 |
| 3.2 图像的特征提取 | 第35-42页 |
| 3.2.1 HOG特征描述子 | 第35-39页 |
| 3.2.2 主成分分析 | 第39-40页 |
| 3.2.3 Hu不变矩 | 第40-42页 |
| 3.3 基于支持向量机的分类算法 | 第42-48页 |
| 3.3.1 支持向量机的基本原理 | 第42-45页 |
| 3.3.2 核函数 | 第45-46页 |
| 3.3.3 多分类支持向量机 | 第46-48页 |
| 3.4 对算法的改进 | 第48-50页 |
| 3.4.1 对视频帧选取感兴趣区域 | 第48-49页 |
| 3.4.2 对阴影遮挡的处理 | 第49-50页 |
| 3.5 实验与分析 | 第50-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 基于安卓平台的应用实现 | 第53-74页 |
| 4.1 前言 | 第53页 |
| 4.2 安卓应用的开发 | 第53-60页 |
| 4.2.1 安卓平台简介 | 第53-56页 |
| 4.2.2 OpenCV概述 | 第56-57页 |
| 4.2.3 JNI技术 | 第57-59页 |
| 4.2.4 开发平台的硬件和软件环境说明 | 第59-60页 |
| 4.3 系统的设计与实现 | 第60-71页 |
| 4.3.1 客户端的设计与实现 | 第60-68页 |
| 4.3.2 算法的设计与实现 | 第68-71页 |
| 4.4 系统的测试 | 第71-73页 |
| 4.4.1 资源占用与耗电测试 | 第71-72页 |
| 4.4.2 算法测试 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 论文工作总结 | 第74页 |
| 5.2 未来工作展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |
