| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-15页 |
| ·引言 | 第7页 |
| ·区域交通智能车辆(CyberCar)概述 | 第7-10页 |
| ·区域智能车辆的产生与发展 | 第7-8页 |
| ·区域交通智能车辆的研究内容 | 第8-9页 |
| ·区域交通智能车辆的关键技术 | 第9-10页 |
| ·区域智能车辆技术研究现状 | 第10-13页 |
| ·国外区域智能车辆研究现状 | 第10-12页 |
| ·国内区域智能车辆研究现状 | 第12-13页 |
| ·论文的研究工作 | 第13-14页 |
| ·论文研究的目的和意义 | 第13页 |
| ·论文研究的主要内容 | 第13-14页 |
| ·全文结构 | 第14-15页 |
| 第二章 正常光照条件下图像中道路边界的识别与跟踪 | 第15-27页 |
| ·概述 | 第15-16页 |
| ·基于Zernike 矩的道路边界识别算法 | 第16-22页 |
| ·Zernike 矩的定义 | 第16页 |
| ·基于Zernike 矩的直线检测原理 | 第16-19页 |
| ·Zernike 矩中常用模板的求取 | 第19-21页 |
| ·基于Zernike 矩的道路边界识别 | 第21-22页 |
| ·道路边界的跟踪 | 第22-24页 |
| ·实验验证 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 非正常光照条件下图像中道路边界的识别与跟踪 | 第27-53页 |
| ·概述 | 第27页 |
| ·弱光照条件下道路图像的预处理 | 第27-34页 |
| ·基于Sobel 算法的道路边界增强 | 第28-30页 |
| ·基于矩不变性的图像分割 | 第30-34页 |
| ·图像的滤波处理 | 第34页 |
| ·强光照条件下道路图像的预处理 | 第34-43页 |
| ·道路图像的对比度增强 | 第35-37页 |
| ·基于小波变换的道路边界增强 | 第37-42页 |
| ·基于迭代阈值分割法的图像分割 | 第42-43页 |
| ·基于Hough 变换的道路边界识别 | 第43-47页 |
| ·Hough 变换法提取道路边界的原理 | 第44-45页 |
| ·Hough 变换检测道路边界的算法实现 | 第45-47页 |
| ·基于Hough 变换的道路跟踪方法 | 第47-51页 |
| ·Hough 变换道路跟踪法原理 | 第47-50页 |
| ·实验与分析 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 基于灰度均值和方差的图像分类器的设计 | 第53-65页 |
| ·概述 | 第53-54页 |
| ·基于图像灰度均值的CCD 参数的自动调节 | 第54-60页 |
| ·Basle1301fc 的特性 | 第54-55页 |
| ·曝光时间和亮度及增益调节的目的及意义 | 第55-56页 |
| ·基于灰度均值的CCD 参数调节的实现 | 第56-60页 |
| ·图像分类器设计 | 第60-64页 |
| ·分类器设计的必要性 | 第60页 |
| ·图像特征的选取 | 第60-62页 |
| ·基于图像局部均值和局部方差的分类器设计 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 实验验证与全文总结 | 第65-71页 |
| ·实验验证 | 第65-67页 |
| ·论文主要研究成果及结论 | 第67-68页 |
| ·论文的局限性及进一步研究工作 | 第68-71页 |
| 参考文献 | 第71-75页 |
| 摘要 | 第75-77页 |
| Abstract | 第77-80页 |
| 致谢 | 第80页 |