| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| §1-1 课题的研究背景及意义 | 第8页 |
| 1-1-1 智能交通系统设计的背景与意义 | 第8页 |
| 1-1-2 车道自动识别的背景与意义 | 第8页 |
| §1-2 课题的研究现状 | 第8-12页 |
| 1-2-1 智能交通系统研究现状 | 第8-9页 |
| 1-2-2 基于视频技术的车辆检测方法研究现状 | 第9-12页 |
| §1-3 论文的主要研究内容 | 第12-13页 |
| §1-4 论文的内容安排 | 第13-14页 |
| 第二章 熵最大化与 Mean shift 结合的道路区域分割算法 | 第14-21页 |
| §2-1 常用图像分割算法综述 | 第14-15页 |
| 2-1-1 基于区域的分割 | 第14页 |
| 2-1-2 基于边界的分割 | 第14-15页 |
| 2-1-3 基于区域和边界技术相结合的分割 | 第15页 |
| 2-1-4 基于特定理论的分割 | 第15页 |
| §2-2 本文道路区域提取算法 | 第15-21页 |
| 2-2-1 水平投影法 | 第15-16页 |
| 2-2-2 熵最大化图像分割—初始分割 | 第16-19页 |
| 2-2-3 Mean shift 分割—最终分割 | 第19-21页 |
| 第三章 改进边缘检测与 Hough 变换的车道标志线检测算法 | 第21-29页 |
| §3-1 传统Hough 变换 | 第21-22页 |
| §3-2 边缘检测算法研究与实现 | 第22-26页 |
| 3-2-1 常用的边缘检测算法 | 第22-23页 |
| 3-2-2 Canny 算法与形态学运算结合的边缘检测算法 | 第23-26页 |
| §3-3 基于改进Hough 变换的车道标志线检测算法 | 第26-27页 |
| §3-4 虚拟检测线与虚拟检测区域的设置 | 第27-29页 |
| 第四章 自适应背景更新结合阴影消除的交通流信息提取与分析 | 第29-41页 |
| §4-1 运动车辆检测算法 | 第29-30页 |
| 4-1-1 光流法(Optical Flow)检测运动车辆 | 第29页 |
| 4-1-2 帧间差分法(Frame Difference)检测运动车辆 | 第29-30页 |
| 4-1-3 背景帧差法(Background Subtraction)检测运动车辆 | 第30页 |
| §4-2 道路场景背景更新算法介绍与实现 | 第30-33页 |
| 4-2-1 高斯混合模型法（GMMs） | 第30-31页 |
| 4-2-2 卡尔曼滤波法（Kalman filtering） | 第31-32页 |
| 4-2-3 本文所用自适应背景更新算法 | 第32-33页 |
| §4-3 基于彩色空间的车辆阴影消除算法 | 第33-36页 |
| 4-3-1 阴影去除的意义与常用算法 | 第34-35页 |
| 4-3-2 本文所使用的方法及实现 | 第35-36页 |
| §4-4 交通流参数提取 | 第36-39页 |
| 4-4-1 车流量 | 第36-37页 |
| 4-4-2 车速 | 第37-38页 |
| 4-4-3 车型 | 第38-39页 |
| §4-5 交通流提取算法实现与分析 | 第39-41页 |
| 第五章 系统实现 | 第41-44页 |
| §5-1 开发环境 | 第41页 |
| §5-2 系统设计 | 第41-42页 |
| §5-3 系统实现 | 第42-44页 |
| 第六章 总结与展望 | 第44-46页 |
| §6-1 工作总结 | 第44页 |
| §6-2 展望 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48-49页 |
| 攻读学位期间所取得的相关科研成果 | 第49页 |
