| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 课题研究背景及意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 交通场景理解中的关键技术 | 第13-16页 |
| 1.3.1 目标识别 | 第14-15页 |
| 1.3.2 对称性检测 | 第15-16页 |
| 1.4 本文研究内容和组织结构 | 第16-18页 |
| 第二章 交通场景图像的显著性检测 | 第18-30页 |
| 2.1 Itti's显著性特征检测 | 第18-20页 |
| 2.2 基于频域信息的显著性检测 | 第20-22页 |
| 2.3 基于Local和regional特征的显著性检测 | 第22-26页 |
| 2.3.1 局部特征的提取 | 第22-24页 |
| 2.3.2 全局特征的提取 | 第24-25页 |
| 2.3.3 融合Local特征与Regional特征 | 第25-26页 |
| 2.4 基于Local特征的车辆显著性检测 | 第26-29页 |
| 2.4.1 实验设置及结果分析 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于颜色直方图的车辆检测 | 第30-42页 |
| 3.1 基于HOG特征和机器学习的车辆检测 | 第30-31页 |
| 3.2 基于边缘直方图特征的车辆检测算法 | 第31-32页 |
| 3.3 基于多特征的前方车辆实时检测方法 | 第32-33页 |
| 3.4 基于颜色直方图的车辆检测 | 第33-39页 |
| 3.4.1 目标颜色直方图模型 | 第34-37页 |
| 3.4.2 车辆目标的颜色分布特征 | 第37页 |
| 3.4.3 实验结果及分析 | 第37-39页 |
| 3.5 本章小结 | 第39-42页 |
| 第四章 基于聚类分析的车辆对称性检测 | 第42-62页 |
| 4.1 基于聚类的对称轴检测方法 | 第43页 |
| 4.2 Harris特征角点检测 | 第43-47页 |
| 4.3 LBP纹理特征提取 | 第47-48页 |
| 4.4 对称点聚类 | 第48-49页 |
| 4.5 对称轴的检测 | 第49-54页 |
| 4.6 实验结果与分析 | 第54-60页 |
| 4.7 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论著和参加科研情况 | 第68-70页 |
| 致谢 | 第70页 |