基于图像的多车道交通路口车辆检测的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| Contents | 第9-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景与意义 | 第11页 |
| ·车辆检测技术研究现状 | 第11-13页 |
| ·本文主要研究内容 | 第13-15页 |
| 第二章 数字图像处理技术 | 第15-27页 |
| ·引言 | 第15页 |
| ·灰度图像增强 | 第15-17页 |
| ·灰度图像分割 | 第17-19页 |
| ·图像分割的原理 | 第17-18页 |
| ·区域生长阈值分割方法 | 第18-19页 |
| ·灰度图像角点检测 | 第19-21页 |
| ·二值化图像的形态学处理 | 第21-23页 |
| ·模式识别技术 | 第23-26页 |
| ·基于决策理论方法的识别方法 | 第23-24页 |
| ·基于句法的模式识别方法 | 第24页 |
| ·基于模板匹配的识别方法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 车辆特征提取 | 第27-41页 |
| ·引言 | 第27页 |
| ·图像特征点提取 | 第27-34页 |
| ·图像局部特征 | 第27-28页 |
| ·SUSAN角点检测法 | 第28-30页 |
| ·一种新型角点检测方法 | 第30-33页 |
| ·角点检测实验结果对比 | 第33-34页 |
| ·图像分割 | 第34-35页 |
| ·遗传算法在图像阈值分割中的应用 | 第35-38页 |
| ·图像的特征描述和特征选择 | 第38-40页 |
| ·矩特征 | 第38-40页 |
| ·角点数量特征 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第四章 车辆识别方法 | 第41-50页 |
| ·引言 | 第41页 |
| ·待识别目标的模板匹配 | 第41-42页 |
| ·基于BP神经网络的识别方法 | 第42-48页 |
| ·车辆识别实验结果及分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间发表的论文 | 第56-58页 |
| 致谢 | 第58-59页 |
