| 引言 | 第1-14页 |
| 0．1 交通标识牌自动识别系统 | 第9-10页 |
| 0．2 课题的提出 | 第10页 |
| 0．3 系统简介 | 第10-12页 |
| 0．3．1 系统功能与框架 | 第10-11页 |
| 0．3．2 交通标识牌自动识别系统视觉信息处理方法 | 第11-12页 |
| 0．4 本文的主要工作 | 第12-14页 |
| 第一章 计算机视觉 | 第14-21页 |
| 1．1 计算机视觉及其发展 | 第14-17页 |
| 1．1．1 Marr视觉计算理论框架 | 第14-15页 |
| 1．1．2 基于知识的视觉理论框架 | 第15-16页 |
| 1．1．3 基于主动视觉的视觉理论框架 | 第16-17页 |
| 1．2 计算机视觉系统的基本结构及相关领域 | 第17-21页 |
| 1．2．1 计算机视觉系统的基本结构 | 第17页 |
| 1．2．2 计算机视觉相关领域 | 第17-18页 |
| 1．2．3 计算机视觉研究特点 | 第18-19页 |
| 1．2．4 计算机视觉系统的主要研究内容 | 第19页 |
| 1．2．5 计算机视觉发展前景与展望 | 第19-21页 |
| 第二章 图象分割 | 第21-39页 |
| 2．1 图象阈值分割概述 | 第22-23页 |
| 2．2 简单直方图分割法 | 第23-24页 |
| 2．3 最佳阈值 | 第24-26页 |
| 2．4 最佳熵自动门限法 | 第26-29页 |
| 2．4．1 P氏熵方法 | 第26-28页 |
| 2．4．2 KSW熵法 | 第28-29页 |
| 2．4．3 JM熵方法 | 第29页 |
| 2．5 模糊阈值分割 | 第29-31页 |
| 2．6 基于最大模糊总熵准则的KSW熵方法 | 第31-34页 |
| 2．7 Canny算子图象分割 | 第34-39页 |
| 第三章 摄像机标定 | 第39-46页 |
| 3．1 摄像机标定技术 | 第39页 |
| 3．2 摄像机标定的作用 | 第39-40页 |
| 3．3 图像坐标系、摄像机坐标系与世界坐标系 | 第40-41页 |
| 3．4 摄像机模型 | 第41-44页 |
| 3．5 简单的摄像机标定技术 | 第44-46页 |
| 第四章 特征曲线的提取技术 | 第46-73页 |
| 4．1 椭圆的提取 | 第46-63页 |
| 4．1．1 基于标准广义特征值分解（GEVD）技术的椭圆拟合 | 第46-47页 |
| 4．1．2 椭圆拟合的标准GEVD算法的统计性能 | 第47-50页 |
| 4．1．2．1 统计模型 | 第47-48页 |
| 4．1．2．2 统计性能分析 | 第48-50页 |
| 4．1．3 基于Hartley正则化技术的GEVD椭圆拟合算法 | 第50-52页 |
| 4．1．4 基于降维GEVD技术的椭圆拟合 | 第52-53页 |
| 4．1．5 降维GEVD算法的性能分析 | 第53-54页 |
| 4．1．6 椭圆拟合的实验 | 第54-63页 |
| 4．2 直线提取 | 第63-66页 |
| 4．2．1 最小二乘直线提取 | 第63-65页 |
| 4．2．2 奇异值分解系数矩阵提取直线 | 第65-66页 |
| 4．3 优势点的提取 | 第66-73页 |
| 4．3．1 优势点提取的传统技术 | 第66-67页 |
| 4．3．2 优势点提取的分类技术（假设检验技术） | 第67页 |
| 4．3．3 分类问题的似然比检验函数 | 第67-69页 |
| 4．3．4 复合假设检验和数据融合式的Fisher鉴别函数 | 第69-71页 |
| 4．3．5 基于最大巴氏距离准则的优势点提取算法 | 第71-72页 |
| 4．3．6 优势点提取实验 | 第72-73页 |
| 第五章 三维复原技术 | 第73-84页 |
| 5．1 三维复原技术概述 | 第73-78页 |
| 5．1．1 从阴影复原三维信息 | 第73页 |
| 5．1．2 基于特征点集的三维复原 | 第73-75页 |
| 5．1．3 从图象序列复原三维信息 | 第75页 |
| 5．1．4 从光流复原三维信息 | 第75-76页 |
| 5．1．5 立体视觉 | 第76-78页 |
| 5．2 交通标识牌的复原算法 | 第78-84页 |
| 5．2．1 圆形标识牌复原算法 | 第78-79页 |
| 5．2．2 圆形标识牌复原流程 | 第79页 |
| 5．2．3 等边三角形标识牌复原算法 | 第79-81页 |
| 5．2．4 等边三角形标识牌复原流程 | 第81-84页 |
| 第六章 图象匹配技术 | 第84-91页 |
| 6．1 匹配特征 | 第84-87页 |
| 6．1．1 基本特征 | 第84-85页 |
| 6．1．2 变换特征 | 第85-86页 |
| 6．1．3 相似性测度 | 第86-87页 |
| 6．2 图象匹配 | 第87-91页 |
| 6．2．1 图象的标准化 | 第88-89页 |
| 6．2．2 相似度的计算 | 第89-90页 |
| 6．2．3 构造图象模板库 | 第90页 |
| 6．2．4 匹配的流程 | 第90-91页 |
| 结论和建议 | 第91-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-97页 |
