基于数字图像处理的车道线检测
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 国外研究发展状况 | 第9-11页 |
| 1.4 国内研究发展状况 | 第11-13页 |
| 1.5 本文主要研究内容 | 第13-15页 |
| 第二章 车道线基础理论与方法 | 第15-22页 |
| 2.1 车道线的特征描述 | 第15-16页 |
| 2.2 目前常用的车道线检测方法 | 第16页 |
| 2.3 图像预处理 | 第16-21页 |
| 2.3.1 彩色图像灰度化 | 第16-18页 |
| 2.3.2 图像平滑 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于类内最小方差法的车道线检测 | 第22-33页 |
| 3.1 算法流程 | 第22页 |
| 3.2 常用的边缘检测算法 | 第22-28页 |
| 3.2.1 Sobel 算法 | 第24页 |
| 3.2.2 Prewitt 算法 | 第24-25页 |
| 3.2.3 Roberts 算法 | 第25-26页 |
| 3.2.4 Canny 算法 | 第26-27页 |
| 3.2.5 自定义差分算子 | 第27-28页 |
| 3.3 边缘检测后续处理 | 第28-29页 |
| 3.3.1 8 领域小面积去噪： | 第28-29页 |
| 3.3.2 优化连通域 | 第29页 |
| 3.4 寻找直线区域 | 第29-30页 |
| 3.4.1 类内最小方差法 | 第29-30页 |
| 3.5 车道线提取 | 第30-31页 |
| 3.6 实验结果与分析 | 第31-32页 |
| 3.7 本章小结 | 第32-33页 |
| 第四章 基于 K 均值与边缘检测结合的车道线识别 | 第33-43页 |
| 4.1 算法流程 | 第33页 |
| 4.2 K 均值聚类算法 | 第33-35页 |
| 4.3 K 均值聚类算法的优点及缺点 | 第35页 |
| 4.4 改进的 K-均值聚类算法 | 第35-37页 |
| 4.4.1 平滑直方图 | 第35-37页 |
| 4.4.2 聚类数目和聚类中心的选择 | 第37页 |
| 4.5 连通域面积去噪 | 第37页 |
| 4.6 信息融合 | 第37-38页 |
| 4.7 Hough 变换 | 第38-40页 |
| 4.7.1 Hough 变换原理 | 第38-40页 |
| 4.7.2 利用 Hough 变换检测车道线 | 第40页 |
| 4.8 实验结果分析 | 第40-42页 |
| 4.9 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 本文的工作总结 | 第43页 |
| 5.2 未来工作展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 在读学位期间发表的论文 | 第49-50页 |
| 致谢 | 第50页 |
