基于NiosⅡ软核的便携交通流量计研究与设计
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 插图索引 | 第9-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-16页 |
| ·实时交通流量检测技术的现状 | 第13页 |
| ·课题研究意义 | 第13-14页 |
| ·研究的内容 | 第14-16页 |
| 第2章 交通流量检测技术概述 | 第16-19页 |
| ·环型线圈检测技术 | 第16页 |
| ·地磁检测技术 | 第16页 |
| ·电磁感应检测技术 | 第16页 |
| ·微波检测技术 | 第16-17页 |
| ·超声波检测技术 | 第17页 |
| ·激光检测技术 | 第17页 |
| ·动态称重技术 | 第17-18页 |
| ·基于视频图像的车辆检测和车型识别技术 | 第18-19页 |
| 第3章 运动汽车图像预处理及分割算法 | 第19-28页 |
| ·运动目标图像的提取 | 第19页 |
| ·运动目标图像的预处理 | 第19-26页 |
| ·运动目标图像去噪增强算法 | 第19-22页 |
| ·运动目标图像锐化增强算法 | 第22-24页 |
| ·运动目标图像的预处理改进算法 | 第24-26页 |
| ·运动目标背景更新算法 | 第26-28页 |
| 第4章 基于粗糙集的神经网络汽车识别技术 | 第28-44页 |
| ·粗糙集的基本概念及理论 | 第28-30页 |
| ·粗糙集理论的基本思想 | 第28-29页 |
| ·粗糙集理论的基本概念 | 第29-30页 |
| ·神经网络的基本理论 | 第30-33页 |
| ·人工神经网络的模型 | 第30-32页 |
| ·人工神经网络的结构 | 第32-33页 |
| ·人工神经网络的学习 | 第33页 |
| ·运动目标图像特征提取 | 第33-38页 |
| ·几何特征 | 第34-35页 |
| ·不变矩特征 | 第35-36页 |
| ·纹理特征 | 第36-38页 |
| ·基于粗糙集的神经网络汽车识别技术的实现 | 第38-43页 |
| ·条件属性的量化 | 第38页 |
| ·条件属性的约简 | 第38-39页 |
| ·BP神经网络的训练 | 第39-42页 |
| ·BP神经网络的训练结果 | 第42-43页 |
| ·基于粗糙集的神经网络汽车识别算法的验证 | 第43-44页 |
| 第5章 系统硬件和软件的设计与实现 | 第44-65页 |
| ·嵌入式系统平台 | 第44-47页 |
| ·SOPC技术 | 第44-45页 |
| ·Cyclone Ⅱ系列器件 | 第45-46页 |
| ·NIOS Ⅱ软核的介绍 | 第46-47页 |
| ·基于NIOS Ⅱ软核便携交通流量计的设计 | 第47页 |
| ·系统硬件设计 | 第47-56页 |
| ·CCD摄像机的选择 | 第47-48页 |
| ·视频解码部分 | 第48-49页 |
| ·高速存储器部分 | 第49-51页 |
| ·扩展通讯接口 | 第51-53页 |
| ·视频编码电路设计 | 第53-54页 |
| ·电源电路 | 第54-55页 |
| ·配置电路 | 第55-56页 |
| ·系统软件设计 | 第56-64页 |
| ·NIOS Ⅱ软核的构建及其系统程序的设计 | 第56-60页 |
| ·图像处理算法的实现 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第71页 |
