基于图像的交通场景理解
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-20页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-16页 |
| ·本文主要研究内容 | 第16-18页 |
| ·本文组织结构 | 第18-20页 |
| 2 交通道路区域检测 | 第20-31页 |
| ·概述 | 第20-21页 |
| ·基于改进的Adaboost算法 | 第21-24页 |
| ·传统的Adaboost算法 | 第21-22页 |
| ·改进的Adaboost算法 | 第22-23页 |
| ·基于改进的Adaboost性能分析 | 第23-24页 |
| ·基于改进的Adaboost的道路区域分割 | 第24-27页 |
| ·交通场景道路图像线索选取 | 第25-26页 |
| ·基于改进的交通场景道路检测 | 第26-27页 |
| ·实验结果与分析 | 第27-30页 |
| ·交通图像道路检测方法性能度量准则 | 第27-28页 |
| ·实验结果及分析 | 第28-30页 |
| ·小结 | 第30-31页 |
| 3 基于超像素的交通场景图像分割 | 第31-49页 |
| ·概述 | 第31-32页 |
| ·基于黎曼流形协方差的像素特征表示 | 第32-38页 |
| ·黎曼流形协方差描述子 | 第32-36页 |
| ·协方差描述子理论 | 第32-35页 |
| ·黎曼流形理论 | 第35-36页 |
| ·交通场景图像的黎曼流形协方差特征表示 | 第36-38页 |
| ·基于超像素的交通场景图像分割 | 第38-45页 |
| ·超像素理论与分析 | 第38-39页 |
| ·目前常用的超像素分割算法概述 | 第39-41页 |
| ·基于SLIC交通场景图像的超像素的分割 | 第41-45页 |
| ·实验结果与分析 | 第45-48页 |
| ·小结 | 第48-49页 |
| 4 基于SLDA概率模型的交通场景理解 | 第49-65页 |
| ·概述 | 第49-50页 |
| ·交通场景图像的超像素视觉词包表示 | 第50-52页 |
| ·LDA概率模型 | 第52-57页 |
| ·LDA模型基本理论 | 第52-54页 |
| ·LDA模型的推理与参数估计 | 第54-57页 |
| ·SLDA概率模型 | 第57-60页 |
| ·SLDA模型基本理论 | 第57-58页 |
| ·SLDA模型的推理与参数估计 | 第58-60页 |
| ·基于SLDA概率模型的交通场景理解 | 第60-61页 |
| ·实验结果与分析 | 第61-64页 |
| ·小结 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| ·全文总结 | 第65-66页 |
| ·工作展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读学位期间主要的研究成果目录 | 第72-73页 |
| 致谢 | 第73页 |
