基于红外图像的行人检测算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-18页 |
| 1.1 课题的研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 课题的应用前景 | 第15-16页 |
| 1.4 论文主要研究内容与结构安排 | 第16-18页 |
| 第二章 基于红外图像的行人检测技术 | 第18-24页 |
| 2.1 行人检测算法概述 | 第18-19页 |
| 2.2 红外行人检测系统构成 | 第19-20页 |
| 2.3 红外行人检测算法中存在的问题 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 红外图像预处理 | 第24-30页 |
| 3.1 红外图像的特点 | 第24-26页 |
| 3.2 数字图像滤波去噪方法概述 | 第26-28页 |
| 3.2.1 图像滤波的基本方法 | 第26-27页 |
| 3.2.2 红外图像中的噪声 | 第27-28页 |
| 3.3 仿真实验与结果分析 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 红外图像中的感兴趣区域提取 | 第30-52页 |
| 4.1 感兴趣区域提取模块的算法流程 | 第30-32页 |
| 4.2 基于图像差分的前景区域提取 | 第32-34页 |
| 4.2.1 帧间差分法 | 第32-33页 |
| 4.2.2 背景差分法 | 第33页 |
| 4.2.3 帧间差分与背景差分融合方法 | 第33-34页 |
| 4.3 基于图像分割的前景区域提取 | 第34-37页 |
| 4.3.1 阈值分割法 | 第34页 |
| 4.3.2 边缘检测分割法 | 第34-35页 |
| 4.3.3 区域分割法 | 第35页 |
| 4.3.4 基于统计特性的自适应阈值分割法 | 第35-37页 |
| 4.4 基于数学形态学的目标修复 | 第37-39页 |
| 4.5 连通区域标记 | 第39-41页 |
| 4.6 仿真实验与结果分析 | 第41-50页 |
| 4.6.1 基于图像差分的前景区域提取对比实验 | 第41-44页 |
| 4.6.2 基于图像分割的前景区域提取对比实验 | 第44-47页 |
| 4.6.3 基于数学形态学的目标修复仿真实验 | 第47-48页 |
| 4.6.4 连通区域标记仿真实验 | 第48-50页 |
| 4.7 本章小结 | 第50-52页 |
| 第五章 红外图像中的行人候选区域验证 | 第52-68页 |
| 5.1 红外图像中的行人候选区域分割 | 第52-56页 |
| 5.1.1 连通区域的横向直方图与纵向直方图 | 第53-54页 |
| 5.1.2 基于直方图的行人候选区域分割 | 第54-56页 |
| 5.2 红外图像中的行人目标识别 | 第56-62页 |
| 5.2.1 行人特征提取 | 第56-57页 |
| 5.2.2 行人目标识别 | 第57-62页 |
| 5.3 仿真实验与结果分析 | 第62-67页 |
| 5.3.1 红外图像中的行人候选区域分割仿真实验 | 第62-65页 |
| 5.3.2 红外图像中的行人目标识别仿真实验 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 算法测试结果与分析 | 第68-80页 |
| 6.1 行人检测算法评价概述 | 第68页 |
| 6.2 红外行人检测算法评价方法及参数 | 第68-70页 |
| 6.3 本文算法的实验环境 | 第70-73页 |
| 6.3.1 算法运行环境 | 第70-71页 |
| 6.3.2 算法实验数据 | 第71-72页 |
| 6.3.3 实验场景和实验设备 | 第72-73页 |
| 6.4 本文算法的评价与分析 | 第73-78页 |
| 6.4.1 本文算法的主观评价结果 | 第73-75页 |
| 6.4.2 本文算法的客观评价结果 | 第75-78页 |
| 6.5 本章小结 | 第78-80页 |
| 总结与展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第86页 |
