| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.1.1 智能交通系统(ITS)概述 | 第11-12页 |
| 1.1.2 视频车辆检测在ITS的应用和意义 | 第12页 |
| 1.2 国内外研究现状及主要研究内容 | 第12-14页 |
| 1.3 研究的重点和难点 | 第14页 |
| 1.4 主要研究工作 | 第14-17页 |
| 第2章 视频图像处理技术基础 | 第17-25页 |
| 2.1 图像滤波 | 第17-20页 |
| 2.2 图像增强 | 第20-22页 |
| 2.3 边缘检测 | 第22-25页 |
| 第3章 基于非模型的运动目标检测 | 第25-37页 |
| 3.1 基于背景差分的目标提取 | 第25-31页 |
| 3.1.1 常见的背景模型及获取方法 | 第26-27页 |
| 3.1.2 基于改进的kalman滤波的选择性背景更新方法 | 第27-29页 |
| 3.1.3 基于背景差分法运动目标提取 | 第29-31页 |
| 3.2 基于帧差法的运动目标提取 | 第31-33页 |
| 3.2.1 两帧差分法 | 第31-32页 |
| 3.2.2 三帧差法 | 第32-33页 |
| 3.3 基于帧差法和背景差分法结合的的运动目标检测算法 | 第33-36页 |
| 3.3.1 算法总体思路 | 第33-34页 |
| 3.3.2 边缘提取和三帧差运算 | 第34-35页 |
| 3.3.3 背景建模与背景差分 | 第35页 |
| 3.3.4 布尔或运算和形态学处理 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 阴影去除与车道划分 | 第37-53页 |
| 4.1 阴影检测 | 第37-44页 |
| 4.1.1 阴影产生机理及一般检测框架 | 第38-39页 |
| 4.1.2 常见阴影检测方法 | 第39-42页 |
| 4.1.3 基于霍特林变换的阴影抑制 | 第42-44页 |
| 4.2 车道划分 | 第44-51页 |
| 4.2.1 车道划分传统方法 | 第45-48页 |
| 4.2.2 改进的基于模糊理论的车道标线检测新方法 | 第48-51页 |
| 4.3 本章小结 | 第51-53页 |
| 第5章 智能交通系统中综合车辆检测 | 第53-65页 |
| 5.1 系统整体设计原则与方法 | 第53-54页 |
| 5.2 车流量检测算法步骤 | 第54-60页 |
| 5.2.1 检测区域截取和车道划分 | 第54-56页 |
| 5.2.2 非模型新算法处理图像及数据流提取 | 第56-57页 |
| 5.2.3 数据流校正 | 第57-58页 |
| 5.2.4 车辆计数 | 第58-60页 |
| 5.3 智能交通系统中其他车辆参数检测 | 第60-62页 |
| 5.3.1 车速计算 | 第60页 |
| 5.3.2 车辆占有率计算 | 第60-61页 |
| 5.3.3 车型判断 | 第61-62页 |
| 5.4 车辆参数在智能交通系统中的应用 | 第62-63页 |
| 5.5 本章小结 | 第63-65页 |
| 第6章 结论与展望 | 第65-67页 |
| 6.1 本文工作总结 | 第65页 |
| 6.2 存在的不足和改进方案 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
