首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--电子计算机在公路运输和公路工程中的应用论文

车辆行驶中的视觉显著目标检测及语义分析研究

摘要第1-5页
ABSTRACT第5-10页
图、表清单第10-13页
注释表第13-15页
缩略词表第15-17页
第一章 绪论第17-29页
   ·研究背景与意义第17-20页
   ·国内外研究现状第20-23页
     ·国外第20-23页
     ·国内第23页
   ·本文相关内容的研究现状第23-26页
   ·本文的研究内容与组织框架第26-29页
     ·逻辑关系第26-27页
     ·章节安排第27-29页
第二章 模拟生物视觉的显著性目标检测第29-48页
   ·引言第29-30页
   ·视觉系统的信息处理模型第30-33页
   ·集成去冗余和全局对比度的显著性目标检测方法第33-40页
   ·静态与动态协同的显著性目标检测方法第40-47页
     ·生物学启发第40-41页
     ·时空显著性检测模型第41-47页
   ·本章小结第47-48页
第三章 场景增强与场景语义理解方法研究第48-61页
   ·引言第48页
   ·雾霾天气的场景增强第48-54页
     ·光线衰减模型第48-50页
     ·基于图像深度的去雾霾方法第50-53页
     ·图像增强效果比较第53-54页
   ·图像数据的语义空间描述方法第54-56页
     ·低层特征到高层语义空间的映射第54-55页
     ·图像的语义化描述第55-56页
   ·基于 EM 算法的图像局部特征语义分析方法第56-58页
   ·标准数据库的测试研究第58-59页
   ·实验结果与分析第59-60页
   ·本章小结第60-61页
第四章 任务协同驱动的视觉注意计算模型第61-80页
   ·引言第61-62页
   ·自底向上的视觉显著计算模型第62-65页
     ·预注意特征提取第63-64页
     ·基于视网膜模型的场景信息提取第64-65页
     ·视觉显著计算模型第65页
   ·基于概率多任务的显著计算模型第65-72页
     ·基本假设与模型框架第66-67页
     ·概率多任务学习方法第67-70页
     ·模型优化方法第70-71页
     ·对比测试与结果分析第71-72页
   ·采用拓扑特征描述的主动视觉注意模型第72-79页
     ·基于拓扑描述的选择性注意第72-77页
     ·实验结果与分析第77-79页
   ·本章小结第79-80页
第五章 面向交通场景的视觉显著目标检测和语义分析第80-102页
   ·引言第80页
   ·基于视觉显著性的交通标志检测和识别方法第80-95页
     ·模拟视网膜的预滤波第81-83页
     ·融合多特征的交通标志检测算法第83-87页
     ·检测结果与分析第87-91页
     ·基于对数 Gabor 和相位一致性的交通标志识别方法第91-93页
     ·识别结果与分析第93-95页
   ·基于视觉方向搜索的车道线检测第95-101页
     ·道路图像的边缘检测第95-97页
     ·基于视觉方向优先级的车道线搜索算法第97-98页
     ·Hough 变换进行线段筛选第98-99页
     ·算法验证与分析第99-101页
   ·本章小结第101-102页
第六章 车载视觉辅助驾驶系统设计与实车试验第102-109页
   ·引言第102页
   ·车载辅助驾驶系统设计第102-104页
     ·试验装置的硬件设计第102-104页
     ·试验装置的软件设计第104页
   ·实车道路试验第104-108页
     ·试验方案第104-105页
     ·试验测试结果与分析第105-108页
   ·本章小结第108-109页
第七章 总结与展望第109-112页
   ·主要工作与创新点第109-111页
     ·主要工作第109-110页
     ·主要创新点第110-111页
   ·有待进一步研究的问题第111-112页
参考文献第112-124页
致谢第124-125页
在学期间的研究成果及发表的学术论文第125-127页
附录第127页

论文共127页,点击 下载论文
上一篇:水泥混凝土道面结构收缩补偿与裂缝修复研究
下一篇:论约翰·厄普代克《夫妇们》中的享乐主义思想