基于图像增强的ARM嵌入式交通检测系统的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题的研究意义 | 第9-10页 |
| 1.2 国外研究现状 | 第10-11页 |
| 1.3 国内研究现状 | 第11-12页 |
| 1.4 本论文的主要研究内容 | 第12-14页 |
| 第2章 传统车辆检测增强算法相关理论 | 第14-28页 |
| 2.1 灰度变换 | 第14-17页 |
| 2.2 直方图修正 | 第17-22页 |
| 2.2.1 图像的直方图 | 第17-19页 |
| 2.2.2 直方图均衡化 | 第19-22页 |
| 2.3 Retinex增强算法 | 第22-25页 |
| 2.4 Laplace算子增强算法 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于边缘的直方图增强算法 | 第28-39页 |
| 3.1 传统直方图均衡化的不足 | 第28-30页 |
| 3.2 完全直方图均衡算法 | 第30-32页 |
| 3.3 设计思路 | 第32-34页 |
| 3.4 实现过程 | 第34-38页 |
| 3.4.1 求V通道梯度图像 | 第34-36页 |
| 3.4.2 边缘图像完全直方图均衡化 | 第36-37页 |
| 3.4.3 边缘图像映射函数作用到全局 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于边缘的直方图增强算法的车辆检测 | 第39-51页 |
| 4.1 样本预处理 | 第39-41页 |
| 4.2 特征提取 | 第41-45页 |
| 4.2.1 LBP特征 | 第41-43页 |
| 4.2.2 HOG特征 | 第43-45页 |
| 4.3 SVM分类器 | 第45-47页 |
| 4.4 实验及分析 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 算法的嵌入式系统验证 | 第51-62页 |
| 5.1 硬件平台资源 | 第51-54页 |
| 5.1.1 Exynos4412 处理器 | 第51-53页 |
| 5.1.2 USB总线接口 | 第53-54页 |
| 5.2 搭建Linux系统 | 第54-57页 |
| 5.3 交叉编译工具的建立 | 第57页 |
| 5.4 数据的采集和处理 | 第57-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62页 |
| 6.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67页 |
