| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·路标识别的研究背景与意义 | 第10-11页 |
| ·路标识别的研究现状 | 第11-12页 |
| ·路标识别的主要算法 | 第12-15页 |
| ·图像去噪 | 第12-13页 |
| ·边缘提取 | 第13-14页 |
| ·特征提取 | 第14页 |
| ·模式识别 | 第14-15页 |
| ·基于 MRF 的路标识别的重要性及其存在问题 | 第15-16页 |
| ·基于 MRF 路标识别的重要性 | 第15页 |
| ·基于 MRF 路标识别存在问题 | 第15-16页 |
| ·本文项目来源及主要研究内容 | 第16-18页 |
| 第二章 基础理论知识 | 第18-31页 |
| ·直方图均衡化方法 | 第18-20页 |
| ·中值滤波方法 | 第20-21页 |
| ·高斯平滑方法 | 第21-22页 |
| ·马尔科夫随机场 | 第22-24页 |
| ·机器视觉中的 MRF | 第22页 |
| ·图像标记 | 第22-23页 |
| ·邻域系统与子团势 | 第23-24页 |
| ·MRF | 第24页 |
| ·Gibbs 场 | 第24-25页 |
| ·MRF 与 Gibbs 的等价性 | 第25-26页 |
| ·MRF-MAP 理论 | 第26-29页 |
| ·贝叶斯估计 | 第26-28页 |
| ·MRF-MAP 标记 | 第28-29页 |
| ·有限混合模型 | 第29-30页 |
| ·总结 | 第30-31页 |
| 第三章 基于马尔科夫随机场的路标去噪识别算法 | 第31-42页 |
| ·引言 | 第31-32页 |
| ·MRF-MAP 理论与 EM 算法 | 第32-34页 |
| ·研究背景与问题描述 | 第32页 |
| ·MRF-MAP 图像建模 | 第32-33页 |
| ·基于 EM 算法无监督学习的目标优化函数优化方法 | 第33-34页 |
| ·不变矩方法识别路标 | 第34-36页 |
| ·仿真实验 | 第36-41页 |
| ·总结 | 第41-42页 |
| 第四章 基于 OSPA 点集距离的路标识别算法研究 | 第42-53页 |
| ·引言 | 第42页 |
| ·模板库的建立 | 第42-44页 |
| ·MRF-MAP 理论与 ICM 算法 | 第44-45页 |
| ·MRF 与 Gibbs 场 | 第44-45页 |
| ·马尔科夫随机场建模 | 第45页 |
| ·ICM 算法 | 第45页 |
| ·OSPA 点集距离识别路标 | 第45-46页 |
| ·仿真实验 | 第46-51页 |
| ·不变矩方法与 OSPA 距离方法的比较 | 第51-52页 |
| ·结论 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·研究总结 | 第53页 |
| ·进一步工作 | 第53-55页 |
| 参考文献 | 第55-62页 |
| 致谢 | 第62-63页 |
| 附录 | 第63页 |