| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·课题研究的背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·基于视频的车辆监控系统现状 | 第9-10页 |
| ·运动车辆检测算法研究现状 | 第10-11页 |
| ·运动车辆跟踪算法研究现状 | 第11页 |
| ·本文的研究内容和论文结构 | 第11-13页 |
| ·本文的研究内容 | 第11-12页 |
| ·论文结构 | 第12-13页 |
| 第2章 数字图像处理的理论基础 | 第13-27页 |
| ·图像彩色模型 | 第13-16页 |
| ·RGB 颜色空间 | 第13-14页 |
| ·HSV 颜色空间 | 第14-15页 |
| ·RGB 到HSV 彩色空间的转化 | 第15-16页 |
| ·像素间的关系 | 第16-17页 |
| ·距离 | 第16页 |
| ·邻接性 | 第16-17页 |
| ·连通性 | 第17页 |
| ·图像的灰度处理 | 第17-19页 |
| ·图像的灰度化处理 | 第18页 |
| ·灰度直方图 | 第18-19页 |
| ·数学形态学处理 | 第19-23页 |
| ·基本概念 | 第19-21页 |
| ·基本定义 | 第21-22页 |
| ·二值形态学的基本运算 | 第22-23页 |
| ·图像分割 | 第23-27页 |
| ·灰度阈值法 | 第24-25页 |
| ·边缘检测 | 第25-27页 |
| 第3章 运动车辆检测算法研究 | 第27-40页 |
| ·常用的运动目标检测方法 | 第27-32页 |
| ·帧间差分法 | 第27-28页 |
| ·光流法 | 第28-29页 |
| ·背景减除法 | 第29-32页 |
| ·基于形态学和像素灰度归类的背景重建算法 | 第32-39页 |
| ·引言 | 第32页 |
| ·数学形态学回顾 | 第32-33页 |
| ·像素灰度归类的原理 | 第33-34页 |
| ·本文算法的实现 | 第34-36页 |
| ·实验结果与分析 | 第36-39页 |
| ·本章 小节 | 第39-40页 |
| 第4章 运动车辆阴影检测算法研究 | 第40-48页 |
| ·颜色空间分布概率密度统计的阴影检测算法 | 第40-41页 |
| ·基于纹理信息的阴影检测算法 | 第41页 |
| ·基于颜色空间变换的阴影检测算法 | 第41-45页 |
| ·HSV 空间 | 第41-42页 |
| ·YUV 空间 | 第42-43页 |
| ·RGB 空间 | 第43-45页 |
| ·基于色彩特征不变量的阴影检测算法 | 第45-47页 |
| ·本章 小结 | 第47-48页 |
| 第5章 运动车辆跟踪算法研究 | 第48-62页 |
| ·常用的运动目标跟踪算法 | 第48-51页 |
| ·基于区域的跟踪算法 | 第48-49页 |
| ·基于特征的跟踪算法 | 第49-50页 |
| ·基于变形模型的跟踪算法 | 第50-51页 |
| ·基于模型跟踪算法 | 第51页 |
| ·Mean Shift 理论 | 第51-55页 |
| ·基本Mean Shift | 第51-52页 |
| ·扩展的Mean Shift | 第52-54页 |
| ·Mean Shift 算法步骤 | 第54-55页 |
| ·Mean Shift 目标跟踪原理 | 第55-57页 |
| ·目标模型建立 | 第55页 |
| ·候选目标的描述 | 第55-56页 |
| ·相似性度量函数 | 第56页 |
| ·目标定位 | 第56页 |
| ·Mean Shift 跟踪算法步骤 | 第56-57页 |
| ·基于Mean Shift 的车辆跟踪算法 | 第57-60页 |
| ·自动设定初始化目标窗口 | 第57-58页 |
| ·基于Kalman 预测的Mean Shift 跟踪算法 | 第58-60页 |
| ·实验分析 | 第60-61页 |
| ·本章 小节 | 第61-62页 |
| 第6章 总结与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录 | 第69页 |