红外图像下的道路场景理解方法研究
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.2.1 道路边界检测 | 第15页 |
| 1.2.2 行人检测 | 第15-16页 |
| 1.3 研究内容及主要贡献 | 第16-18页 |
| 第二章 基于红外通道特征的道路边界检测 | 第18-36页 |
| 2.1 用于道路检测的红外图像特征表示 | 第18-20页 |
| 2.2 基于学习的道路边缘检测算法 | 第20-24页 |
| 2.2.1 传统的边缘检测 | 第20-21页 |
| 2.2.2 基于随机森林的道路边缘检测 | 第21-24页 |
| 2.3 道路边界的提取与拟合算法 | 第24-28页 |
| 2.3.1 搜索候选道路边界 | 第24-26页 |
| 2.3.2 多项式逼近 | 第26-28页 |
| 2.4 实验 | 第28-34页 |
| 2.4.1 测试基准 | 第29-30页 |
| 2.4.2 道路边界检测结果及分析 | 第30-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第三章 基于红外图像的行人检测算法 | 第36-53页 |
| 3.1 红外图像中行人特征描述 | 第36-39页 |
| 3.1.1 HOG | 第36-37页 |
| 3.1.2 CENTRIST | 第37-39页 |
| 3.2 结合目标候选框提取的行人检测算法 | 第39-44页 |
| 3.2.1 基于边缘信息的目标候选框提取算法 | 第39-43页 |
| 3.2.2 行人检测框架 | 第43-44页 |
| 3.3 实验 | 第44-50页 |
| 3.3.1 测试基准 | 第44-46页 |
| 3.3.2 实验结果对比及分析 | 第46-50页 |
| 3.4 本章小结 | 第50-53页 |
| 第四章 总结及展望 | 第53-55页 |
| 4.1 对本文工作的总结 | 第53页 |
| 4.2 对未来工作的展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 作者在学期间取得的学术成果 | 第60页 |
