基于无人机的静动态交通信息处理与应用
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-15页 |
| 1.2.1 无人机在交通信息处理中的应用 | 第10-11页 |
| 1.2.2 静态交通信息处理的发展与现状 | 第11-12页 |
| 1.2.3 动态交通信息处理的发展与现状 | 第12-15页 |
| 1.3 技术路线 | 第15-16页 |
| 1.4 研究内容及论文结构 | 第16-17页 |
| 2 基于无人机的静动态交通信息处理原理 | 第17-46页 |
| 2.1 基于无人机的静态信息处理原理 | 第17-34页 |
| 2.1.1 点扩展函数模型 | 第17-18页 |
| 2.1.2 运动模糊参数推导 | 第18-25页 |
| 2.1.3 图像复原方法研究 | 第25-27页 |
| 2.1.4 复原图像质量评价 | 第27-28页 |
| 2.1.5 道路提取研究 | 第28-34页 |
| 2.2 基于无人机的动态信息处理原理 | 第34-44页 |
| 2.2.1 运动目标检测原理 | 第34-42页 |
| 2.2.2 运动目标跟踪原理 | 第42-44页 |
| 2.3 本章小结 | 第44-46页 |
| 3 基于无人机的静态交通信息处理方法及应用实例 | 第46-63页 |
| 3.1 基于图像边界模糊的运动模糊方向检测 | 第46-51页 |
| 3.1.1 方向检测算法原理 | 第46-49页 |
| 3.1.2 运动模糊方向检测实验 | 第49-51页 |
| 3.2 局部极小值差分均值的模糊长度检测 | 第51-54页 |
| 3.2.1 长度检测算法原理 | 第51-53页 |
| 3.2.2 运动模糊长度检测实验 | 第53-54页 |
| 3.3 图像复原实验 | 第54-59页 |
| 3.3.1 图像复原算法原理 | 第54-55页 |
| 3.3.2 图像复原仿真实验 | 第55-57页 |
| 3.3.3 仿真图像复原评价 | 第57-58页 |
| 3.3.4 真实图像复原 | 第58-59页 |
| 3.4 静态交通信息处理中道路信息提取 | 第59-62页 |
| 3.4.1 道路标线提取原理 | 第59页 |
| 3.4.2 结合大津法的道路标线提取实验 | 第59-62页 |
| 3.5 本章小结 | 第62-63页 |
| 4 基于无人机的动态交通信息处理方法及应用实例 | 第63-67页 |
| 4.1 基于无人机的运动目标检测 | 第63-64页 |
| 4.1.1 前景目标检测算法原理 | 第63-64页 |
| 4.1.2 基于高斯混合背景建模的目标检测实验 | 第64页 |
| 4.2 动态交通信息处理中动目标跟踪 | 第64-66页 |
| 4.2.1 mean-shift单目标跟踪 | 第65-66页 |
| 4.2.2 卡尔曼滤波多目标跟踪 | 第66页 |
| 4.3 本章小结 | 第66-67页 |
| 5 结论与展望 | 第67-68页 |
| 5.1 结论 | 第67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74页 |
