| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 全文主要内容及结构安排 | 第13-16页 |
| 第2章 图像处理相关主要理论和方法 | 第16-24页 |
| 2.1 图像增强 | 第16-18页 |
| 2.1.1 空间域图像增强 | 第16-17页 |
| 2.1.2 频率域图像增强 | 第17-18页 |
| 2.2 边缘检测 | 第18-20页 |
| 2.2.1 Sobel 算子 | 第19页 |
| 2.2.2 Prewitt 算子 | 第19页 |
| 2.2.3 拉普拉斯(Laplacian)边缘算子 | 第19页 |
| 2.2.4 高斯-拉普拉斯(LOG)边缘算子 | 第19-20页 |
| 2.3 数学形态学理论 | 第20-22页 |
| 2.3.1 集合论中基本概念介绍 | 第20-21页 |
| 2.3.2 结构元素 | 第21页 |
| 2.3.3 膨胀与腐蚀 | 第21-22页 |
| 2.3.4 开运算与闭运算 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 夜间路面亮斑检测及其图像获取技术研究 | 第24-32页 |
| 3.1 图像预处理 | 第24-27页 |
| 3.1.1 图像灰度化 | 第24-25页 |
| 3.1.2 滤波处理 | 第25-27页 |
| 3.2 区域内处理 | 第27-29页 |
| 3.2.1 感兴趣区域确定 | 第27页 |
| 3.2.2 感兴趣区域内滤波 | 第27-29页 |
| 3.3 图像后续处理 | 第29-30页 |
| 3.3.1 图像的二值化 | 第29-30页 |
| 3.3.2 图像的形态学处理 | 第30页 |
| 3.4 本章小结 | 第30-32页 |
| 第4章 路面亮斑的分类技术研究 | 第32-46页 |
| 4.1 夜间车辆亮斑的特征 | 第32-33页 |
| 4.2 分类模型的确定 | 第33-38页 |
| 4.2.1 支持向量机的理论基础 | 第33-37页 |
| 4.2.2 AdaBoost 模型的理论基础 | 第37-38页 |
| 4.3 支持向量机模型建立 | 第38-44页 |
| 4.3.1 样本采集 | 第38-39页 |
| 4.3.2 图像特征提取 | 第39-40页 |
| 4.3.3 数据归一化 | 第40-41页 |
| 4.3.4 SVM 模型参数确定 | 第41-43页 |
| 4.3.5 支持向量机结果验证 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 车灯状态控制决策研究 | 第46-54页 |
| 5.1 HS 状态判定 | 第46-47页 |
| 5.2 DS 的控制规则 | 第47-48页 |
| 5.3 实验系统硬件组成 | 第48-49页 |
| 5.4 系统性能评估 | 第49-53页 |
| 5.4.1 性能标准 | 第49-50页 |
| 5.4.2 评估结果报告 | 第50-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 主要研究工作和结论 | 第54页 |
| 6.2 不足与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者简介 | 第60-62页 |
| 致谢 | 第62页 |