| 摘要 | 第1-10页 |
| Abstract | 第10-14页 |
| 第1章 绪论 | 第14-25页 |
| ·课题研究的背景及意义 | 第14-17页 |
| ·课题研究背景 | 第14-15页 |
| ·课题研究意义 | 第15-17页 |
| ·课题国内外研究现状及存在的主要问题 | 第17-21页 |
| ·国外研究现状 | 第17-19页 |
| ·国内研究现状 | 第19-20页 |
| ·存在的主要问题 | 第20-21页 |
| ·课题研究的主要内容与思路 | 第21-24页 |
| ·课题研究的主要内容 | 第21-23页 |
| ·课题的结构体系 | 第23页 |
| ·论文章节安排 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第2章 课题相关的概念、技术与理论 | 第25-33页 |
| ·小波及小波分析理论 | 第25-26页 |
| ·小波基本概念 | 第25页 |
| ·正交小波和小波基数 | 第25-26页 |
| ·二进小波和二进小波变换 | 第26页 |
| ·粗糙集理论 | 第26-29页 |
| ·人工神经网络理论 | 第29-32页 |
| ·人工神经网络基本理论 | 第29-30页 |
| ·BP 神经网络理论 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 智能车辆视觉导航中的彩色图像预处理技术 | 第33-47页 |
| ·引言 | 第33页 |
| ·基于投影和阈值分割思想的彩色图像预处理 | 第33-43页 |
| ·基于投影的彩色图像数据融合 | 第33-36页 |
| ·基于二维最小 Tsallis 交叉熵和粒子群优化算法的快速图像分割方法 | 第36-43页 |
| ·图像预处理过程及算法描述 | 第43-44页 |
| ·实验与结果分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于语义的多神经网络道路自适应检测技术 | 第47-60页 |
| ·引言 | 第47-48页 |
| ·道路检测原则与现有算法 | 第48-50页 |
| ·道路检测的原则 | 第48页 |
| ·典型的非结构化道路检测算法 | 第48-49页 |
| ·现有算法存在的不足 | 第49-50页 |
| ·基于语义的多神经网络道路自适应检测方法 | 第50-58页 |
| ·非结构化道路高层语义模型 | 第50-51页 |
| ·直方图多阈值粗分割方法 | 第51-52页 |
| ·神经网络训练 | 第52-54页 |
| ·多神经网络仲裁的区域合并 | 第54-56页 |
| ·算法的基本思想 | 第56页 |
| ·道路检测的流程 | 第56-58页 |
| ·实验及结果分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 基于 RS 的被动交通标志检测技术 | 第60-71页 |
| ·引言 | 第60页 |
| ·传统交通标志检测算法与不足 | 第60-62页 |
| ·传统的交通标志检测算法 | 第60-61页 |
| ·传统交通标志检测算法的不足 | 第61-62页 |
| ·基于 RS 的被动交通标志检测算法 | 第62-68页 |
| ·交通标志的先验知识 | 第62页 |
| ·传统直方图(TSH)与改进 Histon 直方图(AHH)的概念及构造 | 第62-65页 |
| ·算法思想 | 第65-66页 |
| ·基于 RS 的被动交通标志检测流程 | 第66-68页 |
| ·实验及结果分析 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第6章 基于可疑区域匹配的立体视觉障碍检测技术 | 第71-82页 |
| ·引言 | 第71页 |
| ·目前障碍检测算法 | 第71-73页 |
| ·基于可疑障碍区域二次匹配的立体视觉障碍物检测 | 第73-79页 |
| ·摄像机标定 | 第73-76页 |
| ·双目立体视觉测距原理及障碍物高度计算 | 第76-77页 |
| ·基于立体匹配的视差计算和障碍物识别 | 第77-78页 |
| ·算法思想 | 第78-79页 |
| ·算法流程 | 第79页 |
| ·实验及结果分析 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 总结与展望 | 第82-84页 |
| 参考文献 | 第84-92页 |
| 致谢 | 第92-93页 |
| 附录 A 攻读学位期间所发表学术论文目录 | 第93页 |