| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景与意义 | 第11-12页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 课题意义 | 第12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-16页 |
| 1.3 主要工作与章节安排 | 第16-17页 |
| 第2章 消失线检测与道路区域分割 | 第17-29页 |
| 2.1 图像预处理 | 第17-20页 |
| 2.1.1 去伪像 | 第17-18页 |
| 2.1.2 图灰度均衡化像 | 第18-20页 |
| 2.2 Sobel算子的消失线检测 | 第20-23页 |
| 2.2.1 Sobel算子快速消失线检测 | 第20-22页 |
| 2.2.2 基于正态分布的消失线检测与跟踪 | 第22-23页 |
| 2.3 基于大津法二次阈值分割的道路区域分割 | 第23-26页 |
| 2.3.1 大津法 | 第23-24页 |
| 2.3.2 基于边缘辅助大津法二次阈值分割 | 第24-26页 |
| 2.4 梯形预测模型 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 基于支持向量机的道路区域判定 | 第29-49页 |
| 3.1 支持向量机(SVM)原理 | 第29-34页 |
| 3.1.1 最优超平面及求解 | 第29-32页 |
| 3.1.2 松弛变量 | 第32-33页 |
| 3.1.3 核函数 | 第33-34页 |
| 3.2 道路与非道路区域的样本采集 | 第34-37页 |
| 3.2.1 特征提取 | 第34-36页 |
| 3.2.2 样本采集 | 第36-37页 |
| 3.3 SVM分类器的构造与训练结果 | 第37-40页 |
| 3.3.1 核函数参数设置 | 第37-38页 |
| 3.3.2 仿真实验与训练结果 | 第38-40页 |
| 3.4 SVM分类器的改进 | 第40-46页 |
| 3.4.1 特征提取改进与训练结果 | 第40-43页 |
| 3.4.2 组合SVM分类器与训练结果 | 第43-46页 |
| 3.5 概率置信图构建 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于聚类分析的道路区域判定 | 第49-69页 |
| 4.1 基于K-mean的道路区域判定 | 第49-56页 |
| 4.1.1 K-mean算法 | 第49-50页 |
| 4.1.2 基于K-mean算法的图像分割及道路区域判定 | 第50-52页 |
| 4.1.3 基于梯形预测模型的K-mean的道路区域判定 | 第52-54页 |
| 4.1.4 基于概率置信图的K-mean的道路区域判定 | 第54-56页 |
| 4.2 基于密度的聚类算法(DBSCAN)的道路区域判定 | 第56-62页 |
| 4.2.1 DBSCAN算法 | 第56-57页 |
| 4.2.2 基于梯形预测模型的DBSCAN的道路区域判定 | 第57-60页 |
| 4.2.3 基于概率置信图的DBSCAN的道路区域判定 | 第60-62页 |
| 4.3 基于DBSCAN算法的消失线检测 | 第62-67页 |
| 4.3.1 基于DBSCAN的消失线聚类 | 第62-63页 |
| 4.3.2 DBSCAN算法的参数设定 | 第63-66页 |
| 4.3.3 基于DBSCAN的消失线检测结果 | 第66-67页 |
| 4.4 本章小结 | 第67-69页 |
| 第5章 基于FCM与梯形预测模型的道路概率判定与边缘识别 | 第69-79页 |
| 5.1 基于FCM算法与预测模型的道路区域判定 | 第69-72页 |
| 5.1.1 FCM算法 | 第69-71页 |
| 5.1.2 基于FCM算法的道路图像分割 | 第71页 |
| 5.1.3 基于FCM算法与梯形预测模型或概率置信图的道路区域判定 | 第71-72页 |
| 5.2 基于FCM算法与梯形预测模型的道路概率判定 | 第72-74页 |
| 5.2.1 基于FCM与单一预测模型的局限 | 第72-73页 |
| 5.2.2 基于FCM算法与梯形预测模型的道路概率判定模型 | 第73-74页 |
| 5.3 直方图反向投影的道路识别 | 第74-77页 |
| 5.3.1 基于连通区域的局限 | 第74页 |
| 5.3.2 直方图反向投影 | 第74-76页 |
| 5.3.3 直方图反向投影的道路识别方法 | 第76-77页 |
| 5.4 本章小结 | 第77-79页 |
| 第6章 结论与展望 | 第79-81页 |
| 6.1 总结 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 硕士期间发表的论文和专利 | 第87-89页 |
| 作者简介 | 第89页 |
