首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于视觉的无人车环境中的多目标检测算法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第13-19页
    1.1 课题来源第13页
    1.2 研究背景与意义第13-14页
        1.2.1 研究背景第13页
        1.2.2 研究意义第13-14页
    1.3 国内外研究现状第14-16页
        1.3.1 国外研究现状第14-15页
        1.3.2 国内研究现状第15-16页
    1.4 发展趋势第16页
    1.5 本文主要工作第16-17页
    1.6 本文的结构第17-19页
第2章 多目标检测相关知识研究第19-34页
    2.1 多目标检测框架第19页
    2.2 预处理第19-22页
        2.2.1 背景第19-20页
        2.2.2 图像降噪处理第20-21页
        2.2.3 数据归一化第21-22页
        2.2.4 白化处理第22页
    2.3 目标区域提取第22-25页
        2.3.1 基于边缘检测的方法第23页
        2.3.2 阈值分割方法第23页
        2.3.3 基于聚类的分割方法第23页
        2.3.4 区域生长与分水岭算法第23-24页
        2.3.5 视觉注意机制第24-25页
    2.4 目标特征表达第25-32页
        2.4.1 浅层特征第25-28页
        2.4.2 深度特征第28-32页
    2.5 目标分类与校验第32-33页
    2.6 小结第33-34页
第3章 结合分割和视觉注意机制的目标区域提取算法第34-49页
    3.1 目标区域提取框架第34-35页
    3.2 感兴趣区域获取第35-36页
    3.3 目标区域提取第36-43页
        3.3.1 图像分割第37-38页
        3.3.2 图像信息计算第38-40页
        3.3.3 图像信息融合第40-41页
        3.3.4 目标区域集第41-43页
    3.4 实验第43-47页
        3.4.1 实验平台第43页
        3.4.2 实验数据第43-44页
        3.4.3 目标区域提取的实现第44-47页
    3.5 小结第47-49页
第4章 结合多种特性的多目标检测算法第49-61页
    4.1 非负稀疏编码第50-52页
    4.2 非负局部线性约束编码第52-54页
    4.3 基本学习模型第54-55页
    4.4 深度学习模型第55-56页
    4.5 实验第56-60页
    4.6 小结第60-61页
结论第61-63页
参考文献第63-68页
附录A 攻读学位期间所发表的学术论文第68-69页
附录B 攻读硕士期间参与的项目列表第69-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:复杂背景下车牌定位算法研究
下一篇:面向大数据处理的Hadoop与MongoDB整合技术研究