| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第—章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 道路抛洒物检测技术国内外研究现状 | 第11-13页 |
| 1.2.1 道路抛洒物检测技术国外研究现状 | 第11-12页 |
| 1.2.2 道路抛洒物丢弃事件检测国内研究现状 | 第12-13页 |
| 1.3 研究思路及主要研究内容 | 第13-14页 |
| 1.4 本文的结构安排 | 第14-16页 |
| 第二章 道路抛洒物自动检测与特征识别相关技术研究 | 第16-26页 |
| 2.1 运动目标检测的相关技术 | 第16-19页 |
| 2.1.1 光流算法 | 第16-17页 |
| 2.1.2 帧间差分算法 | 第17-18页 |
| 2.1.3 卡尔曼滤波算法 | 第18-19页 |
| 2.2 图像特征分类及相关特征提取算法 | 第19-22页 |
| 2.2.1 图像的形状特征 | 第19-20页 |
| 2.2.2 图像的纹理特征 | 第20-21页 |
| 2.2.3 图像的颜色特征 | 第21-22页 |
| 2.3 目标物分类识别相关理论研究 | 第22-25页 |
| 2.3.1 SVM目标分类算法 | 第22-23页 |
| 2.3.2 贝叶斯分类算法 | 第23-25页 |
| 2.4 小结 | 第25-26页 |
| 第三章 基于混合高斯模型的背景提取与更新方法研究 | 第26-32页 |
| 3.1 单一高斯背景模型 | 第26-27页 |
| 3.2 基于高斯混合模型算法的背景建模与更新 | 第27-28页 |
| 3.3 高斯混合模型算法的具体实现 | 第28-30页 |
| 3.3.1 参数初始化 | 第28-29页 |
| 3.3.2 背景模型的参数更新 | 第29-30页 |
| 3.3.3 背景差分法分割道路抛洒物目标 | 第30页 |
| 3.4 本章小结 | 第30-32页 |
| 第四章 油田道路抛洒物特征检测及阴影消除算法研究 | 第32-42页 |
| 4.1 基于HSV色彩空间的阴影消除算法 | 第32-33页 |
| 4.2 SURF算子与FANN算法相结合的特征检测及特征匹配方法研究 | 第33-41页 |
| 4.2.1 基于SURF算子的图像特征点检测 | 第34-38页 |
| 4.2.2 基于改进的加权FANN算法的抛洒物特征匹配 | 第38-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第五章 基于KNN算法的抛洒物分类识别 | 第42-49页 |
| 5.1 KNN分类器基本原理与性能分析 | 第42-44页 |
| 5.1.1 最近邻分类器 | 第42页 |
| 5.1.2 K近邻分类器基本原理 | 第42-43页 |
| 5.1.3 KNN分类器优缺点分析 | 第43-44页 |
| 5.2 KNN分类器的改进办法研究 | 第44-47页 |
| 5.2.1 几种常见的KNN分类器改进算法 | 第44页 |
| 5.2.2 基于等距离映射的高维空间降维办法研究 | 第44-45页 |
| 5.2.3 基于TF-IDF算法的图像特征自动加权技术 | 第45-47页 |
| 5.3 实验结果分析 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第六章 油田道路抛洒物自动检测与识别系统设计与实现 | 第49-56页 |
| 6.1 油田道路抛洒物自动检测系统总体设计 | 第49-51页 |
| 6.2 油田道路抛洒物检测与特征提取 | 第51-53页 |
| 6.2.1 抛洒物前景图像分割 | 第51-52页 |
| 6.2.2 抛洒物图像特征提取与匹配 | 第52-53页 |
| 6.3 油田道路抛洒物分类识别 | 第53-54页 |
| 6.4 本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 发表文章目录 | 第61-62页 |
| 致谢 | 第62页 |
