| 摘要 | 第1-4页 |
| ABSTRACT | 第4-11页 |
| 第一章 绪论 | 第11-17页 |
| ·智能交通系统概述 | 第11-14页 |
| ·智能交通系统的定义 | 第11页 |
| ·智能交通系统的历史回顾和发展现状 | 第11-14页 |
| ·智能交通系统中的车辆检测技术研究的意义 | 第14页 |
| ·本文的工作内容与章节安排 | 第14-17页 |
| 第二章 图像增强方法的研究 | 第17-32页 |
| ·引言 | 第17页 |
| ·常用的图像增强算法 | 第17-23页 |
| ·直方图均衡化方法 | 第18-20页 |
| ·钝化增强算法 | 第20-23页 |
| ·基于自适应阈值和非线性增益算子的图像增强算法 | 第23-30页 |
| ·图像灰度特征的统计 | 第23-25页 |
| ·非线性对比度增强 | 第25-27页 |
| ·算法仿真及分析 | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 运动车辆检测方法的研究 | 第32-55页 |
| ·常用的运动车辆检测方法 | 第32-36页 |
| ·帧间差法 | 第32-33页 |
| ·光流法 | 第33-35页 |
| ·背景差法 | 第35-36页 |
| ·高斯模型理论概述 | 第36-41页 |
| ·高斯混合模型法 | 第36-39页 |
| ·高斯运动模型法 | 第39-41页 |
| ·基于运动向量模型的运动车辆检测算法 | 第41-52页 |
| ·运动向量模型的建立及贝叶斯判决 | 第42-43页 |
| ·修正因子及其更新 | 第43-44页 |
| ·模型参数的初始和更新 | 第44-45页 |
| ·实验结果及分析 | 第45-49页 |
| ·本文提出算法与其他车辆检测算法的比较 | 第49-50页 |
| ·改进的车辆检测模型算法 | 第50-52页 |
| ·接收者操作特性曲线(ROC)的量化评价 | 第52-54页 |
| ·ROC 曲线简介 | 第52-53页 |
| ·实验结果及算法的性能评价 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 运动车辆检测中特征提取算法的研究 | 第55-69页 |
| ·边缘特征的提取 | 第55-61页 |
| ·经典的边缘检测算子 | 第56页 |
| ·Roberts 边缘检测算子 | 第56-57页 |
| ·Sobel 边缘检测算子 | 第57页 |
| ·Prewitt 边缘检测算子 | 第57-58页 |
| ·Laplacian of Gaussian (LoG) 算子 | 第58-59页 |
| ·Canny 算子 | 第59-60页 |
| ·经典边缘提取算子的检测效果分析 | 第60-61页 |
| ·基于图像特征提取的车辆检测方法 | 第61-67页 |
| ·运动车辆聚类 | 第61-63页 |
| ·运动车辆提取 | 第63-65页 |
| ·算法仿真及分析 | 第65-67页 |
| ·本章小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·本文主要工作 | 第69-70页 |
| ·创新点 | 第70页 |
| ·未来的工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间撰写和发表的论文 | 第75页 |