| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.2 国内外研究现状及课题的提出 | 第10-13页 |
| 1.2.1 国内外研究现状 | 第10-12页 |
| 1.2.2 研究现状分析及课题的提出 | 第12-13页 |
| 1.3 课题的研究意义 | 第13页 |
| 1.4 研究的主要内容及结构安排 | 第13-15页 |
| 2 基于视频的夜间高速公路拥堵检测关键技术与方案 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 夜间高速公路场景特点及拥堵判别难点 | 第15-17页 |
| 2.2.1 夜间高速公路场景下的视频图像特点 | 第15-17页 |
| 2.2.2 基于视频的夜间高速公路拥堵判别难点 | 第17页 |
| 2.3 基于视频的夜间交通拥堵状态判别方案 | 第17-21页 |
| 2.3.1 夜间车辆车灯提取方案 | 第18-19页 |
| 2.3.2 夜间交通参数获取方案 | 第19-20页 |
| 2.3.3 夜间交通拥堵状态判别方案 | 第20-21页 |
| 2.4 关键技术分析 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于视频的夜间车辆车灯提取 | 第23-45页 |
| 3.1 引言 | 第23页 |
| 3.2 图像预处理 | 第23-29页 |
| 3.2.1 感兴趣区域提取 | 第24-25页 |
| 3.2.2 夜间图像增强 | 第25-29页 |
| 3.3 车灯分割 | 第29-34页 |
| 3.3.1 最大熵双阈值分割原理 | 第30-31页 |
| 3.3.2 基于遗传算法的最大熵车灯分割 | 第31页 |
| 3.3.3 车灯分割对比实验 | 第31-33页 |
| 3.3.4 形态学处理 | 第33-34页 |
| 3.4 反射光消除 | 第34-43页 |
| 3.4.1 问题的提出 | 第34-35页 |
| 3.4.2 现有反射光处理方法比较 | 第35-36页 |
| 3.4.3 基于梯度信息的反射光消除 | 第36-42页 |
| 3.4.4 车牌反射光消除 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 4 基于道路信息的夜间交通拥堵状态判别 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 基于车道虚线的道路信息获取 | 第45-50页 |
| 4.2.1 高速公路车道虚线标准 | 第45-46页 |
| 4.2.2 车道虚线自动提取 | 第46-47页 |
| 4.2.3 道路信息获取 | 第47-50页 |
| 4.3 夜间交通参数的获取 | 第50-51页 |
| 4.4 交通拥堵的划分及判别体系结构 | 第51-53页 |
| 4.4.1 交通拥堵的定义及分类 | 第51页 |
| 4.4.2 交通拥堵状态的划分 | 第51-53页 |
| 4.5 基于模糊C均值的夜间交通拥堵状态判别 | 第53-56页 |
| 4.5.1 基于模糊C均值的夜间交通拥堵状态判别 | 第53页 |
| 4.5.2 实际场景中的夜间交通拥堵状态判别结果 | 第53-54页 |
| 4.5.3 基于投票机制的夜间交通拥堵判别方法 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 5 实验结果及分析 | 第57-67页 |
| 5.1 实验环境 | 第57页 |
| 5.2 实验算法流程 | 第57-58页 |
| 5.3 夜间高速公路交通拥堵状态判别实验结果及分析 | 第58-66页 |
| 5.3.1 夜间高速公路车辆车灯提取实验结果及分析 | 第58-62页 |
| 5.3.2 夜间高速公路交通拥堵状态判别实验结果及分析 | 第62-64页 |
| 5.3.3 算法性能分析 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 附录 | 第77页 |
| 作者在攻读学位期间参与的科研项目 | 第77页 |
