| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 车流量统计技术研究现状 | 第14-15页 |
| 1.3.1 传统的车流量统计技术 | 第14-15页 |
| 1.3.2 基于视频的车流量统计技术 | 第15页 |
| 1.4 本文研究的主要内容 | 第15-18页 |
| 第二章 车辆检测与统计中图像理论概述 | 第18-34页 |
| 2.1 图像灰度化 | 第19-21页 |
| 2.2 图像增强 | 第21-24页 |
| 2.2.1 直方图均衡化(Histogram Equalization) | 第22-23页 |
| 2.2.2 灰度变换算法 | 第23-24页 |
| 2.3 图像平滑 | 第24-26页 |
| 2.3.1 邻域平均法 | 第24-25页 |
| 2.3.2 中值滤波器 | 第25-26页 |
| 2.3.3 低通滤波器 | 第26页 |
| 2.4 图像二值化 | 第26-30页 |
| 2.4.1 双峰法 | 第27-28页 |
| 2.4.2 迭代法 | 第28页 |
| 2.4.3 最大类间方差法 | 第28-30页 |
| 2.5 图像的边缘检测 | 第30-32页 |
| 2.5.1 Roberts(罗伯茨)边缘检测算子 | 第30-31页 |
| 2.5.2 Prewitt(普瑞维特)边缘检测算子 | 第31-32页 |
| 2.6 颜色模型 | 第32-33页 |
| 2.6.1 RGB颜色模型 | 第32-33页 |
| 2.6.2 HSV颜色模型 | 第33页 |
| 2.7 本章小结 | 第33-34页 |
| 第三章 运动目标检测理论 | 第34-44页 |
| 3.1 基于光流场的分析算法 | 第35-36页 |
| 3.2 基于模板匹配算法 | 第36页 |
| 3.3 基于图像差分的算法 | 第36-42页 |
| 3.3.1 帧差分法(Temporal Difference) | 第36-39页 |
| 3.3.2 背景差分法(Background Subtraction) | 第39-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 车辆检测中背景图像的提取 | 第44-52页 |
| 4.1 常用的背景构建算法 | 第44-47页 |
| 4.1.1 均值背景建模法 | 第44-45页 |
| 4.1.2 中值背景建模法 | 第45-46页 |
| 4.1.3 本文的背景构建法 | 第46-47页 |
| 4.2 常用的背景更新算法 | 第47-50页 |
| 4.2.1 混合高斯背景模型 | 第47-49页 |
| 4.2.2 基于Kalman滤波器的背景模型 | 第49页 |
| 4.2.3 本文采用的背景更新方法 | 第49-50页 |
| 4.3 本章小结 | 第50-52页 |
| 第五章 基于虚拟线圈的车流量统计 | 第52-60页 |
| 5.1 车流量的统计算法 | 第52-53页 |
| 5.1.1 基于虚拟线圈的车流量统计算法 | 第52页 |
| 5.1.2 基于目标跟踪的车流量统计算法 | 第52-53页 |
| 5.2 系统整体流程 | 第53-54页 |
| 5.3 车流量统计算法的具体概述 | 第54-57页 |
| 5.4 实验结果与分析 | 第57-58页 |
| 5.5 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录A 攻读硕士期间申请软著目录 | 第68页 |
