| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题研究背景和意义 | 第9-10页 |
| ·课题的国内外研究现状 | 第10-13页 |
| ·视频检测产品的现状 | 第10-11页 |
| ·视频检测技术的研究 | 第11-13页 |
| ·本文研究的主要内容及组织结构 | 第13-15页 |
| 第2章 图像预处理算法研究 | 第15-26页 |
| ·视频图像处理的基本概念 | 第15-16页 |
| ·图像去噪算法研究 | 第16-20页 |
| ·图像噪声的分类 | 第16-17页 |
| ·常用的噪声滤波器 | 第17-18页 |
| ·图像噪声滤波的比对实验 | 第18-20页 |
| ·图像增强算法研究 | 第20-25页 |
| ·常用的图像增强方法 | 第20-22页 |
| ·门限分频直方图均衡化图像增强方法 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 运动目标的检测与分割算法研究 | 第26-45页 |
| ·边缘检测技术 | 第26-29页 |
| ·梯度算子 | 第26-28页 |
| ·Laplacian of Gaussian (LoG) 算子 | 第28页 |
| ·Canny 算子 | 第28-29页 |
| ·运动目标检测方法 | 第29-30页 |
| ·帧间差分法 | 第29页 |
| ·光流法 | 第29-30页 |
| ·背景差分法 | 第30页 |
| ·基于背景更新技术的目标检测算法研究 | 第30-36页 |
| ·背景初始化算法研究 | 第31-32页 |
| ·一种实时的背景初始化算法 | 第32-34页 |
| ·基于HSI 空间的背景更新算法 | 第34-36页 |
| ·运动目标的提取 | 第36页 |
| ·阴影处理 | 第36-40页 |
| ·目前常用的阴影分割算法 | 第37-39页 |
| ·基于HSI 颜色空间的阴影分割实验 | 第39-40页 |
| ·图像后处理 | 第40-44页 |
| ·形态学简介 | 第41-42页 |
| ·形态学处理孔洞填充实验 | 第42页 |
| ·非车辆目标的滤除 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 运动目标特征的表示与识别 | 第45-57页 |
| ·车辆目标的特征表示 | 第45-47页 |
| ·链码技术 | 第45-46页 |
| ·多边形近似 | 第46页 |
| ·边界分段 | 第46-47页 |
| ·骨架描述 | 第47页 |
| ·轮廓特征的描述 | 第47-49页 |
| ·简单的轮廓描述算子 | 第47页 |
| ·矩特征描述 | 第47-49页 |
| ·车型分类 | 第49-53页 |
| ·车型分类的原则与标准 | 第49-51页 |
| ·基于BP 神经网络的车型分类 | 第51-53页 |
| ·视频检测原型系统的设计 | 第53-56页 |
| ·开发工具的选择 | 第53页 |
| ·OpenCV 的系统配置 | 第53-54页 |
| ·OpenCV 的数据结构 | 第54页 |
| ·车辆视频检测系统各模块设计 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 发表论文和参加科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |