| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第12-23页 |
| ·研究背景和意义 | 第12-17页 |
| ·智能运输系统中的视频采集设备 | 第12-15页 |
| ·图像分割在交通视频图像处理中的应用 | 第15-17页 |
| ·图像分割的研究现状 | 第17-21页 |
| ·交通视频处理技术在交通运输中应用的现状 | 第17-19页 |
| ·图像分割在交通视频处理中的研究现状 | 第19-21页 |
| ·本文工作 | 第21-23页 |
| 第二章 基于自适应神经模糊推理系统的图像预处理 | 第23-42页 |
| ·相关工作 | 第23-25页 |
| ·基于自适应神经模糊推理系统的去噪算法 | 第25-34页 |
| ·自适应神经模糊推理系统的输入 | 第25-27页 |
| ·自适应神经模糊推理系统 | 第27-33页 |
| ·基于自适应神经模糊推理系统去噪算法的输出 | 第33-34页 |
| ·仿真实验 | 第34-41页 |
| ·定性评价 | 第34-40页 |
| ·定量评价 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第三章 基于小波域的路面裂缝检测算法 | 第42-55页 |
| ·小波域内基于块的路面裂缝检测算法 | 第42-48页 |
| ·图像预处理 | 第42-44页 |
| ·haar小波变换 | 第44-46页 |
| ·小波域内的分块处理 | 第46-48页 |
| ·仿真实验 | 第48-53页 |
| ·定性评价 | 第49-52页 |
| ·定量评价 | 第52-53页 |
| ·小结 | 第53-55页 |
| 第四章 基于视觉模型的车道检测 | 第55-77页 |
| ·道路视频的特点及车道检测的难点 | 第55-56页 |
| ·颜色空间的选取 | 第56-59页 |
| ·基于视觉模型的图像分割的阈值选择 | 第59-62页 |
| ·视觉模型 | 第59-61页 |
| ·利用视觉模型确定阈值 | 第61-62页 |
| ·车道检测算法 | 第62-72页 |
| ·基于区域分割的车道检测 | 第64-65页 |
| ·基于边缘分割的车道检测 | 第65-70页 |
| ·确定车道边界点 | 第70-71页 |
| ·Hough变换 | 第71-72页 |
| ·仿真实验 | 第72-74页 |
| ·车道检测在车辆视觉导航中的应用 | 第74-75页 |
| ·小结 | 第75-77页 |
| 第五章 基于自适应神经模糊推理系统的边缘检测 | 第77-95页 |
| ·相关工作 | 第77-78页 |
| ·算法 | 第78-88页 |
| ·基于自适应神经模糊推理系统边缘检测算法的总体框架 | 第78-79页 |
| ·自适应神经模糊推理系统的输入 | 第79-83页 |
| ·自适应神经模糊推理系统 | 第83-87页 |
| ·基于自适应神经模糊推理系统边缘检测算法的输出 | 第87-88页 |
| ·仿真实验 | 第88-93页 |
| ·定性评价 | 第88-92页 |
| ·定量评价 | 第92-93页 |
| ·小结 | 第93-95页 |
| 第六章 基于双阈值顺序聚类的运动目标分割 | 第95-120页 |
| ·背景重构的难点问题 | 第97-98页 |
| ·相关工作 | 第98-101页 |
| ·基于双阂值顺序聚类的背景重构算法 | 第101-108页 |
| ·基于在线聚类的背景重构算法 | 第101-104页 |
| ·基于双阈值顺序聚类的背景重构算法 | 第104-108页 |
| ·运动目标分割 | 第108-109页 |
| ·仿真实验 | 第109-118页 |
| ·单像素仿真实验 | 第109-111页 |
| ·Highway视频仿真实验 | 第111-114页 |
| ·Rain视频仿真实验 | 第114-116页 |
| ·山区简易道路视频仿真实验 | 第116-118页 |
| ·小结 | 第118-120页 |
| 结论与展望 | 第120-125页 |
| 结论 | 第120-123页 |
| 展望 | 第123-125页 |
| 参考文献 | 第125-139页 |
| 攻读学位期间取得的研究成果 | 第139-140页 |
| 致谢 | 第140页 |