| 摘要 | 第1-8页 |
| Abstract | 第8-15页 |
| 第一章 绪论 | 第15-33页 |
| ·智能交通系统 | 第15-20页 |
| ·交通检测技术的发展现状 | 第20-25页 |
| ·交通视频的采集处理与分析 | 第25-27页 |
| ·研究的目的和意义 | 第27-29页 |
| ·本论文的主要工作内容 | 第29-31页 |
| ·本论文的章节安排 | 第31-33页 |
| 第二章 背景提取 | 第33-44页 |
| ·基于小波变换的背景提取方法 | 第34-37页 |
| ·小波分解的特征以及小波函数的选择 | 第34-35页 |
| ·基于小波变换的背景提取方法描述 | 第35-36页 |
| ·实验 | 第36-37页 |
| ·动态阈值的确定 | 第37-43页 |
| ·Otsu方法 | 第38-39页 |
| ·Otsu单阈值分割 | 第39-40页 |
| ·otsu双阈值分割 | 第40-41页 |
| ·基于方差的Otsu阈值选取方法 | 第41页 |
| ·实验 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 车辆分割 | 第44-56页 |
| ·图像分割 | 第44-48页 |
| ·主动轮廓跟踪模型 | 第48-50页 |
| ·蛇 | 第49页 |
| ·高斯力场 | 第49-50页 |
| ·GVF | 第50页 |
| ·基于Perona-Malik模型的各向异性外力场PMF | 第50-51页 |
| ·实验 | 第51-54页 |
| ·力场矢量图比较 | 第52页 |
| ·分割实验 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第四章 车辆匹配 | 第56-70页 |
| ·图像匹配 | 第56-60页 |
| ·匹配的关键要素 | 第56-57页 |
| ·匹配的基本约束 | 第57-59页 |
| ·匹配方法分类 | 第59-60页 |
| ·基于灰度的车辆匹配方法 | 第60-62页 |
| ·RANSAC算法 | 第62-65页 |
| ·RANSAC算法思想 | 第63页 |
| ·RANSAC算法步骤 | 第63-64页 |
| ·RANSAC算法的计算量 | 第64-65页 |
| ·加权匹配方法 | 第65-66页 |
| ·算法总结 | 第66页 |
| ·实验 | 第66-69页 |
| ·模拟实验 | 第66-68页 |
| ·真实实验 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 车牌识别 | 第70-84页 |
| ·车牌识别系统 | 第70-75页 |
| ·车牌图像增强方法 | 第75-81页 |
| ·图像的二值化分解表示 | 第76-77页 |
| ·二值图像中背景的滤除 | 第77-79页 |
| ·车牌图像的增强 | 第79-81页 |
| ·车牌图像增强结果 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 第六章 基于线阵CCD摄像机交通信息采集和检测系统 | 第84-118页 |
| ·系统结构与工作原理 | 第85-90页 |
| ·系统结构 | 第85-86页 |
| ·系统总体框架 | 第86-90页 |
| ·工作原理 | 第90页 |
| ·系统功能及特点 | 第90-96页 |
| ·硬件系统 | 第96-101页 |
| ·线阵CCD图像采集子系统 | 第97-98页 |
| ·辅助照明系统 | 第98-99页 |
| ·车牌抓拍及识别子系统 | 第99-100页 |
| ·工业控制计算机子系统 | 第100-101页 |
| ·车辆检测算法 | 第101-111页 |
| ·基于路面纹理特征的二值化算法 | 第101-104页 |
| ·车辆分割算法 | 第104-107页 |
| ·车辆分割算法实验 | 第107-111页 |
| ·速度计算 | 第111-116页 |
| ·车辆速度算法 | 第111-114页 |
| ·车辆速度算法实验 | 第114-116页 |
| ·本章小结 | 第116-118页 |
| 第七章 结论和展望 | 第118-121页 |
| ·本论文的总结 | 第118-119页 |
| ·展望 | 第119-121页 |
| 参考文献 | 第121-132页 |
| 攻读博士学位期间发表的论文和科研工作 | 第132-134页 |
| 1 攻读博士学位期间发表的相关论文 | 第132页 |
| 2 攻读博士学位期间参加的科研项目 | 第132-134页 |
| 致谢 | 第134页 |