一种恶劣气候下车辆图像分割算法的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·课题背景 | 第9-13页 |
| ·智能交通系统(ITS) | 第9-11页 |
| ·辅助驾驶系统(DAS) | 第11-13页 |
| ·车辆图像识别的发展现状及存在问题 | 第13-16页 |
| ·国内的发展现状 | 第13-14页 |
| ·国外的发展现状 | 第14-16页 |
| ·目前研究存在的问题 | 第16页 |
| ·本课题的目的和意义 | 第16-17页 |
| ·本文的主要工作 | 第17-19页 |
| ·研究内容 | 第17页 |
| ·本文的组织结构 | 第17-19页 |
| 第二章 常用的车辆图像分割算法 | 第19-27页 |
| ·引言 | 第19页 |
| ·图像分割的定义 | 第19-20页 |
| ·常用的车辆图像分割方法 | 第20-26页 |
| ·基于车底阴影模式的车辆图像分割 | 第20-21页 |
| ·基于垂直与水平边缘模式的车辆图像分割 | 第21-24页 |
| ·基于角点模式的车辆图像分割 | 第24-26页 |
| ·本章小节 | 第26-27页 |
| 第三章 恶劣气候下车辆图像分割算法的提出 | 第27-47页 |
| ·引言 | 第27页 |
| ·基于阴影和垂直边缘的粗粒度分割算法的提出 | 第27-33页 |
| ·车辆图像的特征模式 | 第29-31页 |
| ·关于阴影和垂直边缘提取的研究 | 第31-32页 |
| ·基于阴影和垂直边缘的粗粒度分割算法的提出 | 第32-33页 |
| ·综合考虑各种气候条件的灰度图生成 | 第33-38页 |
| ·直方图变换 | 第33-35页 |
| ·基于人眼视觉的粗粒度灰度图的生成 | 第35-37页 |
| ·基于人眼视觉的粒度把握 | 第37-38页 |
| ·图像二值化处理 | 第38-42页 |
| ·车辆轮廓二值图的生成 | 第38-41页 |
| ·二值化中的阈值自适应 | 第41-42页 |
| ·车辆图像区域的分割与定位 | 第42-46页 |
| ·车辆图像区域的分割 | 第42-43页 |
| ·图像中含有车辆区域的对称轴的确定 | 第43-45页 |
| ·车辆图像区域的定位 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 车辆图像分割算法的实现 | 第47-59页 |
| ·引言 | 第47页 |
| ·算法的整体流程 | 第47-56页 |
| ·灰度图处理模块 | 第50-53页 |
| ·轮廓图生成模块 | 第53-54页 |
| ·车辆图像分割模块 | 第54-56页 |
| ·车辆图像定位模块 | 第56页 |
| ·算法优化 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 算法评估 | 第59-65页 |
| ·算法的实现平台 | 第59页 |
| ·算法评估体系 | 第59-61页 |
| ·评估数据 | 第59-60页 |
| ·评估方法 | 第60-61页 |
| ·算法运行结果 | 第61-65页 |
| 第六章 结束语 | 第65-67页 |
| ·总结 | 第65页 |
| ·进一步工作 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71-73页 |
| 致谢 | 第73-75页 |
