| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.1.1 智能交通系统与视频图像处理简述 | 第9页 |
| 1.1.2 交通场景中的阴影问题 | 第9-10页 |
| 1.2 阴影检测和去除方法研究现状 | 第10-12页 |
| 1.3 本文内容与工作 | 第12-13页 |
| 2 光和阴影的形成 | 第13-20页 |
| 2.1 光与电磁波谱 | 第13-14页 |
| 2.2 RGB颜色模型与HSV颜色模型 | 第14-16页 |
| 2.2.1 RGB颜色模型 | 第14-15页 |
| 2.2.2 HSV颜色模型与HSL颜色模型 | 第15页 |
| 2.2.3 RGB颜色模型与HSV颜色模型的转换 | 第15-16页 |
| 2.3 阴影的形成与性质 | 第16-19页 |
| 2.3.1 阴影的形成 | 第16-17页 |
| 2.3.2 阴影的性质 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 阴影检测相关方法与理论 | 第20-31页 |
| 3.1 几种典型的阴影的检测方法 | 第20-23页 |
| 3.1.1 DNM1方法 | 第20页 |
| 3.1.2 SP方法 | 第20-22页 |
| 3.1.3 SNP方法 | 第22-23页 |
| 3.2 边缘检测方法 | 第23-26页 |
| 3.2.1 Sobel算子 | 第23-25页 |
| 3.2.2 Laplacian算子 | 第25-26页 |
| 3.3 Otsu方法 | 第26-28页 |
| 3.4 小波变换 | 第28-30页 |
| 3.4.1 傅里叶变换和小波变换 | 第28页 |
| 3.4.2 图像金字塔与二维小波变换 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 基于零树小波的交通视频运动车辆阴影检测 | 第31-42页 |
| 4.1 背景差分方法与背景建模 | 第31-32页 |
| 4.2 背景差分法去除车辆阴影分析 | 第32-34页 |
| 4.3 基于零树小波的运动车辆阴影检测 | 第34-38页 |
| 4.3.1 图像的零树小波 | 第34-35页 |
| 4.3.2 基本思想 | 第35页 |
| 4.3.3 零树小波掩模 | 第35-36页 |
| 4.3.4 阈值的选取 | 第36-37页 |
| 4.3.5 基于零树小波掩模的阴影去除过程 | 第37-38页 |
| 4.4 实验与分析 | 第38-41页 |
| 4.5 本章小结 | 第41-42页 |
| 5 基于K-means和归一化RGB的车牌阴影去除方法 | 第42-51页 |
| 5.1 车牌的阴影问题 | 第42-45页 |
| 5.1.1 车牌识别与车牌阴影 | 第42-43页 |
| 5.1.2 传统车牌二值化处理 | 第43-45页 |
| 5.2 基于K-means和归一化RGB的车牌二值化方法 | 第45-48页 |
| 5.2.1 归一化RGB方法 | 第45-46页 |
| 5.2.2 K-means聚类 | 第46-47页 |
| 5.2.3 基于K-means与归一化RGB的车牌二值化方法 | 第47-48页 |
| 5.3 实验结果与分析 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-52页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录A ISO 14813-1:2007 与中文翻译 | 第57-60页 |
| 附录B 图 | 第60-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64页 |
