基于HSV颜色空间的视频车辆检测与跟踪算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·智能交通系统概述 | 第8-10页 |
| ·国内外发展研究现状 | 第10-11页 |
| ·本课题研究的意义 | 第11页 |
| ·本文研究的主要内容及章节安排 | 第11-13页 |
| 2 ITS 中的数字图像处理基础 | 第13-23页 |
| ·图像数字化 | 第13-15页 |
| ·采样 | 第14页 |
| ·量化 | 第14页 |
| ·数字图像的表示 | 第14-15页 |
| ·图像的颜色空间 | 第15-18页 |
| ·RGB 颜色空间 | 第15-16页 |
| ·HSV 颜色空间 | 第16-17页 |
| ·YIQ 颜色空间 | 第17页 |
| ·YUV 颜色空间 | 第17-18页 |
| ·图像噪声去除 | 第18-20页 |
| ·平滑线性滤波 | 第18-19页 |
| ·加权平均法 | 第19页 |
| ·中值滤波 | 第19页 |
| ·高斯低通滤波 | 第19-20页 |
| ·图像增强 | 第20-22页 |
| ·梯度法 | 第20-21页 |
| ·拉普拉斯算子 | 第21页 |
| ·直方图均衡 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 运动车辆检测 | 第23-37页 |
| ·车辆检测算法概述 | 第23-29页 |
| ·帧间差分法 | 第23-26页 |
| ·基于光流的方法 | 第26-28页 |
| ·背景差分法 | 第28-29页 |
| ·HSV 颜色空间下的背景提取 | 第29-31页 |
| ·RGB 到HSV 的转换 | 第29页 |
| ·背景提取算法 | 第29-31页 |
| ·背景更新 | 第31-32页 |
| ·运动车辆检测 | 第32-33页 |
| ·实验结果与分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 4 运动车辆阴影检测 | 第37-46页 |
| ·阴影的基本理论 | 第37-39页 |
| ·阴影的定义 | 第37页 |
| ·阴影特征 | 第37-39页 |
| ·阴影检测算法 | 第39-42页 |
| ·蓝波段信息检测 | 第39-40页 |
| ·帧间像素比值检测 | 第40-41页 |
| ·基于空间特征的检测 | 第41-42页 |
| ·改进的HSV 检测算法 | 第42-43页 |
| ·HSV 空间阴影检测算法 | 第42页 |
| ·一阶梯度剪除算法 | 第42-43页 |
| ·实验结果与分析 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 5 运动车辆跟踪 | 第46-57页 |
| ·运动跟踪的基本原理 | 第46-47页 |
| ·运动跟踪的常用算法 | 第47-48页 |
| ·基于特征点的跟踪 | 第47页 |
| ·基于区域的跟踪 | 第47页 |
| ·基于形变模型的跟踪 | 第47-48页 |
| ·基于光流的跟踪 | 第48页 |
| ·均值平移算法目标搜索 | 第48-51页 |
| ·卡尔曼滤波器 | 第51-53页 |
| ·卡尔曼滤波器简介 | 第51页 |
| ·离散卡尔曼滤波算法 | 第51-53页 |
| ·车辆跟踪模型及其实现 | 第53-55页 |
| ·实验结果与分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 6 总结和展望 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 硕士期间发表的论文 | 第63-64页 |
| 致谢 | 第64页 |
