| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·课题研究现状与发展趋势 | 第10-14页 |
| ·本文主要内容与结构安排 | 第14-15页 |
| 第二章 数字图像处理预备知识 | 第15-27页 |
| ·图像去噪 | 第15-17页 |
| ·均值滤波 | 第15-16页 |
| ·中值滤波 | 第16-17页 |
| ·数学形态学 | 第17-20页 |
| ·腐蚀 | 第18页 |
| ·膨胀 | 第18-19页 |
| ·开运算与闭运算 | 第19-20页 |
| ·颜色模型 | 第20-23页 |
| ·RGB 颜色模型 | 第21-22页 |
| ·HSV 颜色模型 | 第22-23页 |
| ·HSV 和RGB 模型之间的转换 | 第23页 |
| ·边缘检测梯度算子 | 第23-26页 |
| ·Roberts 算子 | 第24-25页 |
| ·Sobel 算子 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于背景模型的运动目标检测技术研究 | 第27-43页 |
| ·引言 | 第27-28页 |
| ·相关工作 | 第28-34页 |
| ·单高斯模型 | 第29-30页 |
| ·混合高斯模型 | 第30-31页 |
| ·非参数模型 | 第31-33页 |
| ·仿真结果比较与分析 | 第33-34页 |
| ·基于关键帧采样的核密度估计背景模型 | 第34-42页 |
| ·现有算法存在的问题及本文算法的提出 | 第34-35页 |
| ·关键帧背景采样 | 第35-37页 |
| ·核函数与窗宽的选取 | 第37页 |
| ·运动检测与分割 | 第37-38页 |
| ·背景更新策略 | 第38-39页 |
| ·仿真实验结果 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 运动目标阴影检测与消除 | 第43-55页 |
| ·引言 | 第43页 |
| ·阴影的基本属性 | 第43-45页 |
| ·阴影的形成条件 | 第43-44页 |
| ·阴影的属性 | 第44-45页 |
| ·阴影检测的常用算法 | 第45-47页 |
| ·基于几何模型特征的方法 | 第45-46页 |
| ·基于阴影属性的方法 | 第46-47页 |
| ·基于8 方向SOBEL 算子与高斯核密度聚类的阴影检测算法 | 第47-54页 |
| ·8 方向Sobel 算子 | 第47-48页 |
| ·本文阴影检测算法流程图 | 第48-49页 |
| ·阴影存在性判断 | 第49-50页 |
| ·8 方向Sobel 算子的边缘检测及阴影粗略区域的获取 | 第50-51页 |
| ·高斯核密度聚类 | 第51-52页 |
| ·仿真实验结果 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 智能交通监控中的运动车辆检测系统设计 | 第55-61页 |
| ·智能交通系统概述 | 第55-56页 |
| ·运动车辆检测系统的设计方案 | 第56-60页 |
| ·设计思想 | 第56页 |
| ·设备组成 | 第56-57页 |
| ·系统功能模块 | 第57-59页 |
| ·系统设计流程图 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 结论与展望 | 第61-63页 |
| ·本文主要工作与创新点 | 第61-62页 |
| ·下一步工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第69页 |