基于光流场的视频车辆检测与跟踪算法研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 计算机视觉 | 第8页 |
| 1.2 研究光流场算法的意义 | 第8-9页 |
| 1.3 光流场技术研究现状 | 第9-10页 |
| 1.4 本文内容安排 | 第10-12页 |
| 第二章 图像的预处理 | 第12-24页 |
| 2.1 引言 | 第12页 |
| 2.2 图像增强 | 第12-13页 |
| 2.3 图像平滑 | 第13-16页 |
| 2.3.1 中值滤波 | 第13页 |
| 2.3.2 均值滤波 | 第13-15页 |
| 2.3.3 动态滤波 | 第15-16页 |
| 2.4 梯度锐化 | 第16-17页 |
| 2.5 图像分割 | 第17-20页 |
| 2.6 边缘检测 | 第20-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第三章 光流计算理论 | 第24-35页 |
| 3.1 引言 | 第24页 |
| 3.2 光流场和运动场 | 第24-25页 |
| 3.3 光流基本约束方程 | 第25-26页 |
| 3.4 微分光流场计算方法 | 第26-34页 |
| 3.4.1 光流场建模 | 第27-28页 |
| 3.4.2 Horn-Schunk 算法 | 第28-30页 |
| 3.4.3 Lucas-Kanade 算法 | 第30-32页 |
| 3.4.4 块匹配算法 | 第32-33页 |
| 3.4.5 基于相位的方法 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 运动目标的跟踪 | 第35-44页 |
| 4.1 引言 | 第35页 |
| 4.2 运动目标跟踪模型与步骤 | 第35-37页 |
| 4.2.1 运动目标跟踪技术 | 第35-36页 |
| 4.2.2 运动目标跟踪基本步骤 | 第36-37页 |
| 4.3 运动目标提取相关技术 | 第37-38页 |
| 4.3.1 腐蚀 | 第37页 |
| 4.3.2 膨胀 | 第37-38页 |
| 4.3.3 开和闭运算 | 第38页 |
| 4.3.4 区域连通 | 第38页 |
| 4.4 实验与仿真 | 第38-43页 |
| 4.4.1 背景差分法实现小车跟踪 | 第39-41页 |
| 4.4.2 H-S 光流算法实现小车跟踪 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 结论与展望 | 第44-45页 |
| 5.1 本文工作总结 | 第44页 |
| 5.2 本文需改进的地方 | 第44页 |
| 5.3 展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 研究生期间发表的论文 | 第49-50页 |
| 详细摘要 | 第50-53页 |
