摘要 | 第6-7页 |
abstract | 第7页 |
第1章 绪论 | 第11-16页 |
1.1 研究的背景及意义 | 第11-12页 |
1.2 汽车辅助驾驶技术研究现状 | 第12-14页 |
1.2.1 国外研究现状 | 第12-13页 |
1.2.2 国内研究现状 | 第13-14页 |
1.3 本文的研究内容和章节安排 | 第14页 |
1.3.1 本文的主要研究内容 | 第14页 |
1.4 章节安排 | 第14-16页 |
第2章 红外图像特性及预处理 | 第16-29页 |
2.1 红外图像的成像原理及特性分析 | 第16-18页 |
2.1.1 红外图像的产生原理 | 第16-17页 |
2.1.2 红外图像的特性分析 | 第17-18页 |
2.2 红外图像预处理算法的研究 | 第18-21页 |
2.2.1 均值滤波算法 | 第18-19页 |
2.2.2 中值滤波算法 | 第19-20页 |
2.2.3 改进的中值滤波算 | 第20-21页 |
2.3 红外图像增强算法的研究 | 第21-28页 |
2.3.1 对比度调整法 | 第22-23页 |
2.3.2 基于模糊逻辑的图像增强 | 第23-24页 |
2.3.3 图像的直方图均衡化 | 第24-26页 |
2.3.4 图像直方图均衡化的改进算法 | 第26-28页 |
2.4 本章小结 | 第28-29页 |
第3章 机动目标检测与定位 | 第29-42页 |
3.1 目标检测常用算法 | 第29-37页 |
3.1.1 基于形态学的目标检测算法 | 第29-32页 |
3.1.2 基于小波变换的目标检测算法 | 第32-36页 |
3.1.3 基于形态学与小波变换的改进检测算法 | 第36-37页 |
3.2 目标定位的常用算法 | 第37-41页 |
3.2.1 基于灰度特征的运动目标定位算法 | 第37-38页 |
3.2.2 基于物体重心的运动目标定位算法 | 第38-41页 |
3.3 本章小结 | 第41-42页 |
第4章 机动目标特征提取 | 第42-51页 |
4.1 Haar-like特征 | 第42-44页 |
4.1.1 特征模板 | 第42页 |
4.1.2 Haar-like特征的计算 | 第42-43页 |
4.1.3 积分图 | 第43-44页 |
4.2 LBP特征 | 第44-47页 |
4.2.1 基本LBP | 第44-46页 |
4.2.2 MBLBP特征 | 第46-47页 |
4.3 Haar-LBP特征 | 第47-49页 |
4.3.1 Haar-LBP特征模板与编码 | 第47-49页 |
4.3.2 Haar-LBP特征维数 | 第49页 |
4.4 本章小结 | 第49-51页 |
第5章 机动目标识别 | 第51-61页 |
5.1 传统AdaBoost训练模型 | 第51-52页 |
5.2 FDR-AdaBoost训练模型 | 第52-55页 |
5.2.1 基于Haar-LBP特征的多值弱分类器 | 第52页 |
5.2.2 FDR-AdaBoost强分类器训练模型 | 第52-54页 |
5.2.3 Haar-LBP弱分类器的权重调整 | 第54-55页 |
5.3 FDR-AdaBoost模型的训练 | 第55-60页 |
5.3.1 基于Haar-LBP的弱分类器的训练 | 第57页 |
5.3.2 FDR-AdaBoost强分类器的训练 | 第57-59页 |
5.3.3 级联分类器的训练 | 第59-60页 |
5.4 本章小结 | 第60-61页 |
第6章 实验结果与分析 | 第61-75页 |
6.1 实验设备与软件环境 | 第61-62页 |
6.1.1 实验设备 | 第61页 |
6.1.2 软件环境 | 第61-62页 |
6.2 红外图像预处理算法的实验结果与分析 | 第62-66页 |
6.2.1 红外图像去噪算法的实验结果与分析 | 第62-63页 |
6.2.2 红外图像增强算法的实验结果与分析 | 第63-66页 |
6.3 机动目标检测与定位算法的实验结果与分析 | 第66-68页 |
6.3.1 机动目标检测算法的实验结果与分析 | 第66-67页 |
6.3.2 机动目标定位算法的实验结果与分析 | 第67-68页 |
6.4 机动目标特征提取算法的实验结果与分析 | 第68-69页 |
6.5 机动目标识别算法的实验结果与分析 | 第69-74页 |
6.6 本章小结 | 第74-75页 |
结论 | 第75-77页 |
参考文献 | 第77-81页 |
攻读硕士学位期间发表的论文和获得的科研成果 | 第81-82页 |
致谢 | 第82-83页 |