| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外发展状况 | 第8-9页 |
| 1.3 难点分析 | 第9-10页 |
| 1.4 研究内容与论文结构 | 第10-13页 |
| 1.4.1 研究内容 | 第10-11页 |
| 1.4.2 论文结构 | 第11-13页 |
| 第二章 交通图像处理技术现状 | 第13-22页 |
| 2.1 交通物联网 | 第13-17页 |
| 2.1.1 概述 | 第13-14页 |
| 2.1.2 交通物联网发展阶段 | 第14-15页 |
| 2.1.3 主要国家地区概况 | 第15-17页 |
| 2.2 交通图像处理技术现状 | 第17-21页 |
| 2.2.1 图像识别技术概述 | 第17-18页 |
| 2.2.2 交通物联网中图像处理现状 | 第18-21页 |
| 2.3 小结 | 第21-22页 |
| 第三章 独立成分分析原理与算法 | 第22-41页 |
| 3.1 独立成分分析原理 | 第22-27页 |
| 3.1.1 ICA 思想 | 第22-24页 |
| 3.1.2 假设条件与独立性假设 | 第24-27页 |
| 3.2 ICA 的概率统计学原理 | 第27-31页 |
| 3.2.1 概率论知识 | 第27-28页 |
| 3.2.2 统计知识 | 第28-31页 |
| 3.3 ICA 算法分类 | 第31-39页 |
| 3.3.1 FastICA 算法 | 第31-32页 |
| 3.3.2 Infomax 算法 | 第32-35页 |
| 3.3.3 极大似然算法 | 第35-36页 |
| 3.3.4 非高斯最大化算法 | 第36-38页 |
| 3.3.5 互信息最小化方法 | 第38-39页 |
| 3.4 ICA 的算法选择 | 第39页 |
| 3.5 小结 | 第39-41页 |
| 第四章 基于磨光函数的独立成分分析 | 第41-53页 |
| 4.1 磨光函数估计 | 第41-46页 |
| 4.2 优化算法 | 第46-47页 |
| 4.3 基于磨光函数 ICA 分离图像仿真实验 | 第47-52页 |
| 4.3.1 基于磨光函数 ICA 分离图像实验一 | 第48-49页 |
| 4.3.2 基于磨光函数 ICA 分离图像实验二 | 第49-50页 |
| 4.3.3 算法比较 | 第50-52页 |
| 4.4 小结 | 第52-53页 |
| 第五章 独立成分分析在交通图像中应用 | 第53-60页 |
| 5.1 交通物联网综合信息共享平台 | 第53-54页 |
| 5.2 基于交通物联网的高速公路监控系统 | 第54-59页 |
| 5.2.1 交通流监控系统架构 | 第55-56页 |
| 5.2.2 基于交通物联网的高速公路监控系统应用界面 | 第56-58页 |
| 5.2.3 效果演示 | 第58-59页 |
| 5.3 小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 论文主要工作 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |