基于视觉的智能车交叉路口交通灯与车辆识别
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 引言 | 第9页 |
| 1.2 课题研究背景及意义 | 第9-10页 |
| 1.3 交通信号灯与车辆识别技术的方法概述 | 第10-16页 |
| 1.3.1 交通灯识别检测研究现状 | 第11-13页 |
| 1.3.2 车辆识别研究现状 | 第13-16页 |
| 1.4 论文研究内容安排 | 第16-19页 |
| 第二章 基于颜色特征的交通灯与车辆图像分割 | 第19-39页 |
| 2.1 颜色分割 | 第19-28页 |
| 2.1.1 色彩空间 | 第19-24页 |
| 2.1.2 灰度化与滤波 | 第24-28页 |
| 2.2 交通灯颜色分割 | 第28-29页 |
| 2.3 车辆颜色分割 | 第29-34页 |
| 2.4 形态学处理 | 第34-36页 |
| 2.4.1 腐蚀 | 第34-35页 |
| 2.4.2 膨胀 | 第35页 |
| 2.4.3 开闭运算 | 第35-36页 |
| 2.5 区域标记 | 第36-37页 |
| 2.6 小结 | 第37-39页 |
| 第三章 基于形状特征的交通灯目标检测 | 第39-45页 |
| 3.1 面积过滤 | 第39-40页 |
| 3.2 圆形度过滤 | 第40-43页 |
| 3.3 长宽比特性过滤 | 第43-44页 |
| 3.4 背板匹配 | 第44页 |
| 3.5 小结 | 第44-45页 |
| 第四章 基于形状特征的车辆目标初步检测 | 第45-53页 |
| 4.1 阴影区域的形状特征过滤 | 第45-48页 |
| 4.2 ROI提取 | 第48-51页 |
| 4.2.1 基于阴影区域的ROI提取 | 第48-49页 |
| 4.2.2 基于车辆尾部的RIO提取 | 第49-51页 |
| 4.3 本章小结 | 第51-53页 |
| 第五章 车辆感兴趣区域精确提取 | 第53-63页 |
| 5.1 边缘检测方法 | 第53-58页 |
| 5.2 感兴趣区域边缘检测 | 第58-60页 |
| 5.3 对称性分析 | 第60-61页 |
| 5.4 小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 未来工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读学位期间取得的研究成果 | 第69页 |
