摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第8-16页 |
1.1 课题背景及研究的目的和意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-14页 |
1.2.1 车载红外线图像增强算法发展现状 | 第9-11页 |
1.2.2 车载红外摄像仪发展状况 | 第11-14页 |
1.2.3 红外线摄像主板的发展状况 | 第14页 |
1.3 本文的主要研究内容 | 第14-16页 |
第2章 红外图像增强相关理论研究 | 第16-27页 |
2.1 空间域图像增强 | 第16-22页 |
2.1.1 图像对比度增强 | 第17-18页 |
2.1.2 图像线性变换 | 第18页 |
2.1.3 图像非线性变换 | 第18-20页 |
2.1.4 图像直方图处理 | 第20-22页 |
2.2 图像变换域增强 | 第22-26页 |
2.2.1 频率低通滤波 | 第22-23页 |
2.2.2 高通滤波 | 第23页 |
2.2.3 同态滤波 | 第23-25页 |
2.2.4 Retinex 理论 | 第25页 |
2.2.5 图像小波变换 | 第25-26页 |
2.3 图像分割技术 | 第26页 |
2.4 本章小结 | 第26-27页 |
第3章 车载摄像仪的红外图像增强方法 | 第27-36页 |
3.1 局部直方图均衡化 | 第27-30页 |
3.1.1 局部直方图均衡化基本思想 | 第27-28页 |
3.1.2 局部直方图均衡法 | 第28-29页 |
3.1.3 实验结果及分析 | 第29-30页 |
3.2 插值直方图均衡法 | 第30-34页 |
3.2.1 插值直方图均衡法 | 第31-32页 |
3.2.2 实验结果及分析 | 第32-34页 |
3.3 本章小结 | 第34-36页 |
第4章 基于图像分割技术的行人识别以及失真图像识别与增强 | 第36-51页 |
4.1 基础知识介绍 | 第36-37页 |
4.1.1 分类器简介 | 第36页 |
4.1.2 基于 Adaboost 方法的车载红外图像行人检测算法 | 第36-37页 |
4.2 样本库与测试图像库 | 第37-43页 |
4.2.2 行人分类器的设计 | 第38-40页 |
4.2.3 HOG 算法精细分类 | 第40-42页 |
4.2.4 实验结果及分析 | 第42-43页 |
4.3 图像失真检测方法 | 第43-48页 |
4.3.1 经典的图像边缘检测方法 | 第44-45页 |
4.3.2 经典的边缘检测算子 | 第45-48页 |
4.4 基于距不变理论的远光灯识别 | 第48-50页 |
4.4.1 圆形识别 | 第48-49页 |
4.4.2 实验结果及分析 | 第49-50页 |
4.5 本章小结 | 第50-51页 |
结论 | 第51-52页 |
参考文献 | 第52-56页 |
致谢 | 第56页 |