| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.2 车道线检测识别研究的重要意义 | 第10-11页 |
| 1.3 基于机器视觉的车道线识别研究状况 | 第11-13页 |
| 1.4 论文的主要工作和章节安排 | 第13-15页 |
| 第二章 正常光照下的道路图像预处理算法 | 第15-24页 |
| 2.1 道路图像灰度化 | 第15-17页 |
| 2.1.1 加权平均法 | 第16页 |
| 2.1.2 平均值法 | 第16页 |
| 2.1.3 最大值法 | 第16-17页 |
| 2.2 道路图像滤波增强 | 第17-20页 |
| 2.2.1 均值滤波 | 第18-19页 |
| 2.2.2 高斯平滑滤波 | 第19页 |
| 2.2.3 中值滤波 | 第19-20页 |
| 2.3 道路图像边缘检测 | 第20-23页 |
| 2.3.1 Sobel边缘检测算子 | 第21-22页 |
| 2.3.2 改进的±45°Sobel算法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 复杂环境下的道路图像预处理 | 第24-35页 |
| 3.1 雾霾天气车道图像预处理算法 | 第24-28页 |
| 3.1.1 雾霾天气图像预处理传统算法 | 第24-26页 |
| 3.1.2 改进的雾霾天气图像预处理—Retinex算法 | 第26-28页 |
| 3.2 弱光照和阴影遮挡下道路图像预处理算法 | 第28-30页 |
| 3.3 雨天道路图像预处理算法 | 第30-34页 |
| 3.3.1 方向可调滤波器 | 第31-32页 |
| 3.3.2 方向可调滤波器的设计 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 道路图像分割 | 第35-41页 |
| 4.1 道路图像二值化（阈值分割） | 第35-36页 |
| 4.2 人工选择法（双峰法） | 第36页 |
| 4.3 自动阈值法 | 第36-38页 |
| 4.3.1 全局阈值分割 | 第37-38页 |
| 4.3.2 局部阈值分割 | 第38页 |
| 4.4 实验与结果分析 | 第38-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 车道线特征检测识别 | 第41-54页 |
| 5.1 最小二乘法 | 第42-43页 |
| 5.2 霍夫变换 | 第43-47页 |
| 5.2.1 直角坐标参数空间 | 第43-45页 |
| 5.2.2 极坐标参数空间 | 第45-47页 |
| 5.3 正常光照且道路环境良好情况下Hough变换拟合车道线实验与结果分析 | 第47-48页 |
| 5.4 复杂环境下Hough变换拟合车道线实验与结果分析 | 第48-50页 |
| 5.5 车道线跟踪检测实验与结果分析 | 第50-52页 |
| 5.6 本章小结 | 第52-54页 |
| 第六章 总结与展望 | 第54-55页 |
| 6.1 工作总结 | 第54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 申请学位期间的研究成果及发表的学术论文 | 第59页 |
