| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·车辆目标跟踪的主要方法及研究现状 | 第11-14页 |
| ·基于模型的车辆目标跟踪方法概述 | 第12页 |
| ·基于区域的车辆目标跟踪方法概述 | 第12-13页 |
| ·基于轮廓的车辆目标跟踪方法概述 | 第13-14页 |
| ·基于特征的车辆目标跟踪方法 | 第14页 |
| ·红外目标跟踪的研究现状概述 | 第14页 |
| ·论文结构与安排 | 第14-16页 |
| 2 SWT结合DE的红外车辆目标增强算法 | 第16-30页 |
| ·红外车辆图像去噪声方法简介 | 第17-19页 |
| ·中值滤波 | 第17-18页 |
| ·均值滤波 | 第18页 |
| ·自适应维纳滤波器 | 第18-19页 |
| ·SWT结合DE的红外车辆目标增强算法 | 第19-24页 |
| ·DE算法简介 | 第19-21页 |
| ·离散平稳小波变换 | 第21-22页 |
| ·平稳小波变换结合DE的非线性红外图像增强 | 第22-24页 |
| ·实验结果与分析 | 第24-29页 |
| ·红外车辆图像的去噪声结果分析 | 第24-26页 |
| ·SWT结合DE的红外车辆目标增强结果 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 3 Grow-Cut结合最小二乘拟合的红外运动车辆检测算法 | 第30-44页 |
| ·车道线检测 | 第30-35页 |
| ·Grow-Cut算法简介 | 第31-32页 |
| ·最小二乘法拟合 | 第32页 |
| ·Grow-Cut结合最小二乘拟合的车道线检测算法 | 第32-35页 |
| ·红外车辆目标检测 | 第35-37页 |
| ·车辆大致位置锁定 | 第36页 |
| ·车辆最终位置的确定 | 第36-37页 |
| ·实验结果与分析 | 第37-43页 |
| ·车道线检测结果与分析 | 第37-40页 |
| ·车辆检测结果与分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于SVM与均值平移的红外车辆目标跟踪算法 | 第44-70页 |
| ·基于SVM的红外车辆目标分类 | 第44-57页 |
| ·红外车辆目标综合特征提取 | 第44-48页 |
| ·三个区域描述子 | 第45页 |
| ·二维函数的六个独立不变矩 | 第45-47页 |
| ·余弦变换描述子 | 第47-48页 |
| ·SVM算法简介 | 第48-54页 |
| ·线性可分支持向量机 | 第48-51页 |
| ·线性不可分支持向量机 | 第51-52页 |
| ·非线性可分支持向量机 | 第52-53页 |
| ·支持向量机核函数 | 第53页 |
| ·支持向量机的特点 | 第53-54页 |
| ·基于SVM的红外车辆目标分类方法实现 | 第54-57页 |
| ·SVM分类器设计 | 第54页 |
| ·实验设计 | 第54-55页 |
| ·实验结果与分析 | 第55-57页 |
| ·红外车辆目标跟踪算法 | 第57-69页 |
| ·Kalman滤波器 | 第57-60页 |
| ·离散Kalman滤波器介绍 | 第57-60页 |
| ·基于Kalman滤波器的红外车辆目标跟踪 | 第60页 |
| ·均值平移理论 | 第60-69页 |
| ·无参概率密度估计 | 第60-62页 |
| ·核密度梯度估计 | 第62-64页 |
| ·Mean-shift红外车辆目标跟踪的模型 | 第64-65页 |
| ·Mean-shift结合Kalman滤波器的红外车辆目标跟踪算法 | 第65-67页 |
| ·实验结果与分析 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| ·本文所做的主要工作 | 第70-71页 |
| ·未来的研究方向 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-80页 |
