智能交通监控系统中运动目标跟踪算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 智能交通系统的研究 | 第10-11页 |
| 1.2.2 目标检测与跟踪算法的研究 | 第11-14页 |
| 1.3 本文的主要研究内容和结构安排 | 第14-16页 |
| 第2章 视频图像去雾处理 | 第16-34页 |
| 2.1 雾的形成机理及影响 | 第16页 |
| 2.2 去雾算法综述 | 第16-20页 |
| 2.2.1 基于模型的去雾算法 | 第17-18页 |
| 2.2.2 基于非模型的去雾算法 | 第18-20页 |
| 2.3 基于暗原色先验理论的去雾算法 | 第20-27页 |
| 2.3.1 暗原色先验理论 | 第20-23页 |
| 2.3.2 透射率的估计 | 第23-25页 |
| 2.3.3 透射率的优化 | 第25-26页 |
| 2.3.4 大气光强的估计 | 第26页 |
| 2.3.5 恢复清晰无雾图像 | 第26-27页 |
| 2.4 改进的基于暗原色先验理论的去雾算法 | 第27-30页 |
| 2.4.1 小波变换理论 | 第27-29页 |
| 2.4.2 小波变换在去雾算法中的应用 | 第29-30页 |
| 2.5 仿真试验结果 | 第30-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第3章 运动目标检测 | 第34-48页 |
| 3.1 运动目标检测方法综述 | 第34-38页 |
| 3.1.1 目标检测方法 | 第34-36页 |
| 3.1.2 背景建模方法 | 第36-38页 |
| 3.2 基于自适应混合高斯模型的背景建模 | 第38-41页 |
| 3.2.1 自适应混合高斯模型 | 第38-40页 |
| 3.2.2 背景模型的提取 | 第40-41页 |
| 3.3 运动目标的提取 | 第41-46页 |
| 3.3.1 自适应二值化处理 | 第41-43页 |
| 3.3.2 数学形态学处理 | 第43-44页 |
| 3.3.3 目标外接矩阵的求取 | 第44-46页 |
| 3.4 仿真试验结果 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 运动目标跟踪 | 第48-62页 |
| 4.1 运动目标跟踪算法综述 | 第48-50页 |
| 4.2 卡尔曼滤波原理 | 第50-52页 |
| 4.3 运动目标特征 | 第52-55页 |
| 4.3.1 运动目标特征的提取 | 第52页 |
| 4.3.2 运动目标特征的匹配 | 第52-55页 |
| 4.4 基于卡尔曼滤波的特征匹配跟踪算法 | 第55-57页 |
| 4.5 仿真试验结果 | 第57-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第5章 结论 | 第62-64页 |
| 5.1 研究工作总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间的研究成果 | 第68页 |
