基于显著性检测和分类器训练的航拍图像车辆检测
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-14页 |
| 1.3 论文的主要研究工作 | 第14-16页 |
| 1.4 论文结构 | 第16-18页 |
| 2 调研和预备工作 | 第18-33页 |
| 2.1 航拍图像车辆道路的显著性检测 | 第18-28页 |
| 2.1.1 基于U·F·O算法的显著性检测 | 第18-23页 |
| 2.1.2 基于对比度的显著性检测 | 第23-26页 |
| 2.1.3 基于高斯差分方法的显著性检测 | 第26-28页 |
| 2.2 正负样本的提取 | 第28-31页 |
| 2.3 现有工作的不足 | 第31页 |
| 2.4 本文的解决方案 | 第31-32页 |
| 2.5 小结 | 第32-33页 |
| 3 航拍图像道路无监督检测 | 第33-47页 |
| 3.1 基于直方图对比度的道路检测 | 第33-40页 |
| 3.1.1 直方图对比度的显著性检测 | 第33-35页 |
| 3.1.2 对直方图对比度的后续处理 | 第35-40页 |
| 3.2 实验结果与分析 | 第40-46页 |
| 3.2.1 车辆道路检测实验数据集 | 第40-41页 |
| 3.2.2 实验结果与分析 | 第41-42页 |
| 3.2.3 与相关方法的比较 | 第42-46页 |
| 3.3 小结 | 第46-47页 |
| 4 航拍图像车辆的有监督检测 | 第47-68页 |
| 4.1 车辆特征的提取 | 第47-51页 |
| 4.1.1 Haar特征提取和积分图 | 第47-50页 |
| 4.1.2 本文使用的Haar特征 | 第50-51页 |
| 4.2 分类器训练与车辆检测算法 | 第51-56页 |
| 4.2.1 Adaboost分类器 | 第51-54页 |
| 4.2.2 SVM分类器 | 第54-55页 |
| 4.2.3 分类器的训练与对比 | 第55-56页 |
| 4.3 评价技术 | 第56-59页 |
| 4.4 实验结果与分析 | 第59-66页 |
| 4.4.1 开发与实验环境 | 第59-60页 |
| 4.4.2 实验数据准备工作 | 第60-61页 |
| 4.4.3 实验结果与分析 | 第61-66页 |
| 4.5 小结 | 第66-68页 |
| 5 结论与展望 | 第68-70页 |
| 5.1 论文工作总结 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74页 |
