基于机器视觉的公交自动报站系统特征提取方法研究
| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第1章 绪论 | 第12-18页 |
| ·课题研究背景及其研究意义 | 第12页 |
| ·机器视觉的发展现状与发展趋势 | 第12-13页 |
| ·图像特征提取及匹配方法概述 | 第13-15页 |
| ·图像特征提取方法概述 | 第13-14页 |
| ·图像匹配方法概述 | 第14-15页 |
| ·本文的主要研究内容和论文安排 | 第15-18页 |
| ·论文的主要研究内容 | 第15-16页 |
| ·论文的各章内容安排 | 第16-18页 |
| 第2章 视觉公交报站系统概述及关键帧提取 | 第18-25页 |
| ·引言 | 第18页 |
| ·机器视觉公交自动报站系统概述 | 第18-20页 |
| ·系统框架及工作原理 | 第18-19页 |
| ·基于机器视觉的公交自动报站系统硬件平台 | 第19-20页 |
| ·公交视频关键帧提取 | 第20-22页 |
| ·基于内容分析的方法 | 第20-21页 |
| ·基于帧差聚类的方法 | 第21-22页 |
| ·关键帧提取方法的实验研究 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第3章 特征点提取算法 | 第25-40页 |
| ·引言 | 第25页 |
| ·角点检测算法 | 第25-27页 |
| ·Harris角点检测 | 第25-26页 |
| ·FAST角点检测 | 第26-27页 |
| ·极值点检测算法 | 第27-30页 |
| ·SIFT特征点检测算法 | 第27-30页 |
| ·SURF特征点检测算法 | 第30页 |
| ·特征点提取算法比较 | 第30-37页 |
| ·FAST角点算法改进 | 第37-39页 |
| ·图像增强 | 第37-38页 |
| ·拉普拉斯－高斯算子 | 第38页 |
| ·实验结果及分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 特征点描述算法 | 第40-51页 |
| ·引言 | 第40页 |
| ·基于梯度直方图的局部描述子 | 第40-42页 |
| ·SIFT描述子 | 第40-42页 |
| ·SURF描述子 | 第42页 |
| ·基于二进制位串的局部描述子 | 第42-45页 |
| ·BRIEF描述子 | 第42-44页 |
| ·ORB描述子 | 第44-45页 |
| ·去除误匹配方法的选择 | 第45-47页 |
| ·适用于视觉报站系统的特征提取方法 | 第47-50页 |
| ·特征提取方法的选择 | 第47页 |
| ·LATCH二进制描述子 | 第47-48页 |
| ·算法性能分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于机器视觉的公交报站系统仿真研究 | 第51-57页 |
| ·引言 | 第51页 |
| ·建立站点图像数据库 | 第51-52页 |
| ·视频关键帧提取 | 第52页 |
| ·实验结果及性能分析 | 第52-56页 |
| ·本章总结 | 第56-57页 |
| 结论与展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 附录A 攻读学位期间发表的学术论文目录 | 第63页 |
