变光照条件CyberCar标示符识别算法研究
| 第一章 绪论 | 第1-19页 |
| ·引言 | 第8-9页 |
| ·智能车辆及CyberCar的产生与发展 | 第9-10页 |
| ·智能车辆CyberCar技术研究现状 | 第10-13页 |
| ·国外CyberCar 研究现状 | 第10-11页 |
| ·国内CyberCar 研究现状 | 第11-13页 |
| ·机机器视觉理论概述 | 第13-14页 |
| ·智能车辆在变光照条件下视觉导航的研究情况 | 第14-15页 |
| ·智能车辆动态标示符识别的研究情况 | 第15-16页 |
| ·论 论文的研究工作 | 第16-18页 |
| ·论文研究的目的和意义 | 第16-17页 |
| ·论文主要研究内容和工作 | 第17-18页 |
| ·全文的结构 | 第18-19页 |
| 第二章 变光照图像动态阈值分割算法 | 第19-39页 |
| ·概述 | 第19-20页 |
| ·改进的大津阈值选取法 | 第20-26页 |
| ·图像的大津阈值选取算法 | 第20-22页 |
| ·算法实时性的改进 | 第22-24页 |
| ·算法分割效果的改进 | 第24-26页 |
| ·直方图最频值图像分割法 | 第26-31页 |
| ·灰度直方图的定义 | 第26-27页 |
| ·最佳阈值选取原则 | 第27-28页 |
| ·直方图最频值算法 | 第28-29页 |
| ·基于最频值法的滤波原理 | 第29-31页 |
| ·基于目标罗伯特区域梯度的分割算法 | 第31-35页 |
| ·图像去噪平滑处理 | 第31-33页 |
| ·基于图像区域梯度算子分割算法 | 第33-35页 |
| ·其它全局阈值分割算法 | 第35-37页 |
| ·全局自动阈值法概述 | 第35页 |
| ·P-tile 算法 | 第35页 |
| ·直方图一阶矩分割算法 | 第35-36页 |
| ·直方图一维熵分割算法 | 第36-37页 |
| ·简单迭代分割算法 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第三章 变光照图像分割算法分析与融合 | 第39-56页 |
| ·概述 | 第39页 |
| ·不同光照图像的特征标准选择 | 第39-41页 |
| ·大津法与改进大津法静态分割结果对比与分析 | 第41-46页 |
| ·大津法与时间改进大津法 | 第41-43页 |
| ·大津法与效果改进大津法 | 第43-45页 |
| ·小结 | 第45-46页 |
| ·罗伯特区域梯度分割算法分析与实验 | 第46-50页 |
| ·静态图像分割结果与分析 | 第46-49页 |
| ·算法分析与比较 | 第49-50页 |
| ·不同分割算法实验分析与算法融合 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 速度标示符的识别 | 第56-70页 |
| ·模式识别 | 第56-57页 |
| ·特征选择与提取 | 第57-58页 |
| ·速度标示符的设计 | 第58-59页 |
| ·图像标示符区域的分割 | 第59-62页 |
| ·图像标示符区域的粗分割 | 第59-61页 |
| ·图像标示符区域的细分割 | 第61-62页 |
| ·标示符特征提取与匹配识别 | 第62-69页 |
| ·图像的模板匹配 | 第62-63页 |
| ·标示符图像形状特征描述 | 第63-67页 |
| ·标示符图像匹配识别 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 数字标识符的识别 | 第70-87页 |
| ·常用数字识别方法 | 第70-71页 |
| ·数字标识符设计和识别方案 | 第71-73页 |
| ·数字标示符的提取与分割 | 第73-76页 |
| ·数字标识符识别算法 | 第76-86页 |
| ·基于LED 数字结构的动态区域统计识别算法 | 第76-80页 |
| ·基于统计不变矩特征与数字过线数结合的识别算法 | 第80-86页 |
| ·CyberCar数字标示符样本图像 | 第86页 |
| ·本章小结 | 第86-87页 |
| 第六章 实验与全文总结 | 第87-94页 |
| ·实验验证 | 第87-91页 |
| ·论文主要研究工作及结论 | 第91-93页 |
| ·本文的局限性及进一步研究工作 | 第93-94页 |
| 参考文献 | 第94-98页 |
| 摘要 | 第98-100页 |
| Abstract | 第100-103页 |
| 致谢 | 第103页 |
