数字图像处理在智能交通系统中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 数字图像处理与智能交通系统 | 第9页 |
| 1.2 课题研究背景 | 第9-10页 |
| 1.3 裂缝检测的国内外发展现状 | 第10-12页 |
| 1.4 图像配准的国内外发展现状 | 第12-13页 |
| 1.5 主要研究内容 | 第13-15页 |
| 第二章 裂缝检测算法研究 | 第15-35页 |
| 2.1 裂缝图像的特性分析 | 第15页 |
| 2.2 传统的裂缝分割算法 | 第15-23页 |
| 2.2.1 基于阈值的分割算法 | 第16-19页 |
| 2.2.2 基于边界检测的分割算法 | 第19-21页 |
| 2.2.3 基于区域的分割算法 | 第21-23页 |
| 2.3 基于裂缝灰度特性的分割算法 | 第23-24页 |
| 2.4 基于裂缝连续性的连通分量提取 | 第24-30页 |
| 2.4.1 像素的邻接、连接与连通 | 第25-26页 |
| 2.4.2 连通分量提取基本算法 | 第26页 |
| 2.4.3 相似度矩阵的建立 | 第26-27页 |
| 2.4.4 基于相似度的连通分量提取算法 | 第27-30页 |
| 2.5 基于谱聚类的裂缝提取算法 | 第30-33页 |
| 2.5.1 可达性矩阵及谱聚类 | 第30-31页 |
| 2.5.2 计算图的可达性矩阵 | 第31-33页 |
| 2.5.3 谱聚类算法 | 第33页 |
| 2.6 本章小结 | 第33-35页 |
| 第三章 图像配准方法研究 | 第35-49页 |
| 3.1 图像配准理论 | 第35-37页 |
| 3.1.1 图像配准的数学模型 | 第35页 |
| 3.1.2 图像配准中常用的变换模型 | 第35-36页 |
| 3.1.3 图像配准方法的关键步骤 | 第36-37页 |
| 3.2 常用的图像配准方法 | 第37-42页 |
| 3.2.1 基于灰度信息的图像配准方法 | 第37-39页 |
| 3.2.2 基于变换域的图像配准方法 | 第39-40页 |
| 3.2.3 基于特征的图像配准方法 | 第40-42页 |
| 3.3 结合兴趣点及特殊窗口的图像配准方法 | 第42-48页 |
| 3.3.1 基于统计学的兴趣点提取算法 | 第43-44页 |
| 3.3.2 局部区域匹配法介绍 | 第44页 |
| 3.3.3 相似度量函数的选取 | 第44-46页 |
| 3.3.4 基于局部同心圆域窗口的匹配算法 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 总结与展望 | 第49-50页 |
| 攻读学位期间取得的研究成果 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
