| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 论文的选题背景和研究意义 | 第9-10页 |
| 1.2 铁路侵限障碍物检测研究现状 | 第10-14页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文结构框架 | 第15-16页 |
| 2 基于分段可切换模型的铁路限界检测跟踪 | 第16-32页 |
| 2.1 构建限界模型 | 第16-20页 |
| 2.1.1 限界场景分析 | 第16-17页 |
| 2.1.2 分段可切换曲线模型 | 第17-20页 |
| 2.2 图像预处理与轨道脊线提取 | 第20-23页 |
| 2.2.1 图像预处理 | 第20页 |
| 2.2.2 基于边缘提取和数学形态学的轨道脊线提取 | 第20-23页 |
| 2.3 近景直轨标定 | 第23-24页 |
| 2.3.1 Hough变换原理 | 第23页 |
| 2.3.2 改进Hough变换直轨参数求解 | 第23-24页 |
| 2.4 远景轨道线检测与模型拟合 | 第24-27页 |
| 2.4.1 Hu不变矩 | 第24-25页 |
| 2.4.2 相似性度量 | 第25-26页 |
| 2.4.3 基于Hu矩的远景轨道特征点搜索算法 | 第26-27页 |
| 2.5 限界范围标定方法 | 第27-28页 |
| 2.6 限界检测与跟踪算法流程 | 第28页 |
| 2.7 实验结果与分析 | 第28-32页 |
| 3 基于帧间差分法的疑似目标定位提取 | 第32-45页 |
| 3.1 前景目标检测对象分析 | 第32-33页 |
| 3.2 前景目标检测算法概述 | 第33-35页 |
| 3.3 基于帧间差分法的前景目标检测算法改进 | 第35-36页 |
| 3.4 帧间差分与结果补偿 | 第36-39页 |
| 3.4.1 改进的隔帧帧差法提取前景目标 | 第36-37页 |
| 3.4.2 灰度形态学背景构建 | 第37-38页 |
| 3.4.3 背景滤除与修正 | 第38-39页 |
| 3.5 基于侧向灰度累积值的目标定位提取 | 第39-40页 |
| 3.6 目标分割与二值化 | 第40-42页 |
| 3.6.1 目标分割方法 | 第40-41页 |
| 3.6.2 基于最大类间方差法的目标分割 | 第41-42页 |
| 3.7 前景目标定位提取算法流程 | 第42页 |
| 3.8 实验结果及分析 | 第42-45页 |
| 4 基于Adaboost的疑似障碍物识别分类算法 | 第45-62页 |
| 4.1 障碍物识别分类算法 | 第45-47页 |
| 4.1.1 前景目标识别分类算法概述 | 第45-46页 |
| 4.1.2 疑似障碍物分类识别算法框架构建 | 第46-47页 |
| 4.2 特征提取与特征处理 | 第47-52页 |
| 4.2.1 图像几何形状特征 | 第47-48页 |
| 4.2.2 目标区域纹理特征 | 第48-50页 |
| 4.2.3 疑似目标特征分析 | 第50页 |
| 4.2.4 特征属性调整及构造特征向量 | 第50-52页 |
| 4.3 基于Adaboost算法的分类器设计 | 第52-56页 |
| 4.3.1 Adaboost算法概述 | 第53页 |
| 4.3.2 弱分类器的选取与训练 | 第53-54页 |
| 4.3.3 Adaboost强分类器训练流程 | 第54-56页 |
| 4.4 实验结果与分析 | 第56-62页 |
| 4.4.1 样本特征提取 | 第57-59页 |
| 4.4.2 分类器性能及结果分析 | 第59-62页 |
| 结论 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间的研究成果 | 第67页 |