| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题背景及意义 | 第12-13页 |
| 1.2 国内外发展现状及主要发展趋势 | 第13-16页 |
| 1.2.1 基于像素分析的方法 | 第13-14页 |
| 1.2.2 基于目标分析的方法 | 第14-15页 |
| 1.2.3 基于纹理分析的方法 | 第15-16页 |
| 1.3 论文主要工作及章节安排 | 第16-18页 |
| 第二章 基于像素统计的人群数量估计算法研究 | 第18-32页 |
| 2.1 人群前景图像提取 | 第18-24页 |
| 2.1.1 人群目标检测 | 第18-24页 |
| 2.2 图像形态学处理 | 第24-25页 |
| 2.3 基于像素统计的人群人数估计方法 | 第25-31页 |
| 2.3.1 边缘检测 | 第25-28页 |
| 2.3.2 训练人群拟合直线 | 第28-29页 |
| 2.3.3 人群人数仿真实验 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于纹理分析的人群密度分类算法 | 第32-57页 |
| 3.1 纹理分析的度量方法 | 第32-34页 |
| 3.2 基于共生矩阵的图像纹理分析 | 第34-36页 |
| 3.2.1 共生矩阵的定义 | 第34-35页 |
| 3.2.2 灰度共生矩阵的特征 | 第35-36页 |
| 3.3 灰度共生矩阵构造参数选择 | 第36-40页 |
| 3.3.1 共生矩阵方向的选取 | 第37-38页 |
| 3.3.2 共生矩阵步长的选取 | 第38页 |
| 3.3.3 共生矩阵灰度级的选取 | 第38-40页 |
| 3.4 图像纹理特征的相关性分析 | 第40-44页 |
| 3.4.1 主成分分析的基本概念 | 第40-41页 |
| 3.4.2 样本的主成分分析原理 | 第41-42页 |
| 3.4.3 纹理特征主成分分析 | 第42-44页 |
| 3.5 基于支持向量机的人群密度分类算法 | 第44-52页 |
| 3.5.1 SVM的最优分类面 | 第45-48页 |
| 3.5.2 基于交叉验证的SVM参数优化 | 第48-52页 |
| 3.6 基于纹理分析的人群密度估计算法仿真实验 | 第52-56页 |
| 3.6.1 实验内容介绍 | 第52-56页 |
| 3.7 本章小结 | 第56-57页 |
| 第四章 灰度共生矩阵的嵌入式系统实现 | 第57-63页 |
| 4.1 共生矩阵嵌入式系统设计 | 第57-61页 |
| 4.1.1 共生矩阵所基于的嵌入式系统硬件与软件平台 | 第57-58页 |
| 4.1.2 数据传输的优化 | 第58-59页 |
| 4.1.3 存储带宽的优化 | 第59-60页 |
| 4.1.4 软件流水优化 | 第60-61页 |
| 4.2 测试结果及分析 | 第61-62页 |
| 4.3 本章小结 | 第62-63页 |
| 第五章 结束语 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 作者攻读硕士期间的学术成果 | 第71页 |