| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究状况 | 第12-13页 |
| 1.3 论文的主要研究内容与章节安排 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 论文章节安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 图像的预处理 | 第16-29页 |
| 2.1 感兴趣区域选取与灰度化 | 第16-18页 |
| 2.1.1 感兴趣区域的选取 | 第16页 |
| 2.1.2 感兴趣区域灰度化 | 第16-18页 |
| 2.2 灰度图像的滤波 | 第18-20页 |
| 2.3 图像的阴影分割 | 第20-26页 |
| 2.3.1 车辆底部阴影特征 | 第20-21页 |
| 2.3.2 车辆底部阴影分割 | 第21-26页 |
| 2.4 形态滤波 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 疑似车辆区域的提取 | 第29-37页 |
| 3.1 疑似车辆区域提取方法分析 | 第29-30页 |
| 3.2 基于车辆底部阴影区域边缘来确定疑似车辆区域 | 第30-33页 |
| 3.2.1 提取底部阴影边缘 | 第30-33页 |
| 3.2.2 生成疑似车辆区域 | 第33页 |
| 3.3 基于Hough变换的进一步精确定位疑似车辆区域 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 疑似车辆区域的验证 | 第37-56页 |
| 4.1 支持向量机原理与核函数选择 | 第37-42页 |
| 4.1.1 线性可分支持向量机 | 第37-39页 |
| 4.1.2 线性不可分支持向量机 | 第39-40页 |
| 4.1.3 SVM核函数的选择 | 第40-42页 |
| 4.2 基于遗传算法的SVM参数优化 | 第42-48页 |
| 4.2.1 SVM参数影响 | 第42-43页 |
| 4.2.2 遗传算法原理 | 第43-46页 |
| 4.2.3 SVM参数优化 | 第46-48页 |
| 4.3 最终车辆位置区域的获取 | 第48-55页 |
| 4.3.1 正负样本选取 | 第48-49页 |
| 4.3.2 HOG特征提取 | 第49-51页 |
| 4.3.3 灰度对称性验证与SVM验证 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 实验结果与分析 | 第56-64页 |
| 5.1 实验平台介绍 | 第56页 |
| 5.2 算法整体设计 | 第56-58页 |
| 5.3 实验结果分析 | 第58-63页 |
| 5.3.1 在道路环境简单情况下测试与分析 | 第59-61页 |
| 5.3.2 在道路环境复杂情况下测试与分析 | 第61-62页 |
| 5.3.3 在道路环境异常情况下测试与分析 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 答辩委员会对论文的评定意见 | 第72页 |