监控视频中运动车辆检索的研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 视频检索的研究现状 | 第15-17页 |
| 1.2.2 图像去模糊的研究现状 | 第17-18页 |
| 1.3 本文的主要研究内容和章节安排 | 第18-20页 |
| 1.3.1 本文的主要研究内容 | 第18-19页 |
| 1.3.2 章节安排 | 第19-20页 |
| 第二章 运动车辆检索的理论基础 | 第20-29页 |
| 2.1 运动目标检测方法 | 第20-21页 |
| 2.1.1 光流法 | 第20-21页 |
| 2.1.2 帧差法 | 第21页 |
| 2.1.3 背景差法 | 第21页 |
| 2.2 车辆检索中的预处理技术 | 第21-23页 |
| 2.2.1 图像平滑 | 第22-23页 |
| 2.2.2 图像归一化 | 第23页 |
| 2.3 几种常用的检索特征 | 第23-26页 |
| 2.3.1 颜色特征 | 第24-25页 |
| 2.3.2 纹理特征 | 第25-26页 |
| 2.3.3 方向梯度直方图特征 | 第26页 |
| 2.4 图像模糊理论 | 第26-28页 |
| 2.4.1 图像退化模型 | 第27-28页 |
| 2.4.2 噪声类型 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于双边滤波的图像去运动模糊算法 | 第29-39页 |
| 3.1 引言 | 第29-30页 |
| 3.2 拉普拉斯锐化原理 | 第30-31页 |
| 3.3 L1/L2正则化的方法原理 | 第31-33页 |
| 3.3.1 L1/L2正则化的方法 | 第31-32页 |
| 3.3.2 模糊核估计改进算法 | 第32-33页 |
| 3.4 图像去模糊复原 | 第33-35页 |
| 3.4.1 双边滤波器原理 | 第33-34页 |
| 3.4.2 L0正则化先验方法原理 | 第34页 |
| 3.4.3 图像复原改进算法 | 第34-35页 |
| 3.5 实验结果及分析 | 第35-38页 |
| 3.5.1 仿真图像复原实验 | 第35-37页 |
| 3.5.2 实际模糊图像复原实验 | 第37-38页 |
| 3.6 结论 | 第38-39页 |
| 第四章 监控视频中运动车辆检索 | 第39-53页 |
| 4.1 引言 | 第39-40页 |
| 4.2 支持向量机的原理 | 第40-41页 |
| 4.2.1 支持向量机概述 | 第40页 |
| 4.2.2 支持向量机理论 | 第40-41页 |
| 4.2.3 支持向量机的实现 | 第41页 |
| 4.3 车辆检索的相关方法 | 第41-45页 |
| 4.3.1 基于LBP特征的车标检索 | 第41-42页 |
| 4.3.2 基于Haar特征的车标检索 | 第42-44页 |
| 4.3.3 基于HOG特征的车辆检索 | 第44页 |
| 4.3.4 基于颜色特征的车辆检索 | 第44-45页 |
| 4.4 实验结果及分析 | 第45-52页 |
| 4.4.1 车标LBP特征检索的实验 | 第46-47页 |
| 4.4.2 车标Haar特征的检索实验 | 第47-49页 |
| 4.4.3 基于HOG特征的车辆检索实验 | 第49-51页 |
| 4.4.4 基于颜色特征的车辆检索实验 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文的主要内容 | 第53-54页 |
| 5.2 未来工作的展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间的学术活动以及成果情况 | 第59-60页 |
