| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 课题研究背景及意义 | 第14页 |
| 1.2 机器视觉的概述与发展现状 | 第14-16页 |
| 1.2.1 机器视觉的概述 | 第14-15页 |
| 1.2.2 机器视觉的国内外研究及发展趋势 | 第15-16页 |
| 1.3 公交站点识别在国内外发展现状 | 第16-17页 |
| 1.4 本文的主要研究内容和论文安排 | 第17-20页 |
| 1.4.1 论文的主要研究内容 | 第17-18页 |
| 1.4.2 论文的各章内容安排 | 第18-20页 |
| 第2章 机器视觉站点识别系统概述 | 第20-24页 |
| 2.1 引言 | 第20页 |
| 2.2 系统框架及工作原理 | 第20-21页 |
| 2.2.1 系统实现功能 | 第20页 |
| 2.2.2 系统架框及工作原理 | 第20-21页 |
| 2.3 机器视觉站点识别系统硬件设计 | 第21-22页 |
| 2.4 站点图像数据库建立 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 视觉公交报站系统中关键帧提取方法研究 | 第24-33页 |
| 3.1 引言 | 第24页 |
| 3.2 视频关键帧提取方法 | 第24-27页 |
| 3.2.1 特定帧法 | 第24-25页 |
| 3.2.2 基于内容分析的方法 | 第25-26页 |
| 3.2.3 基于光流运动分析的关键帧提取方法 | 第26页 |
| 3.2.4 帧差聚类的视频关键帧的提取方法 | 第26-27页 |
| 3.3 关键帧提取方法的实验结果分析 | 第27-31页 |
| 3.4 关键帧提取方法的改进 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 视觉报站系统中图像的特征提取 | 第33-54页 |
| 4.1 引言 | 第33页 |
| 4.2 图像的边缘检测和轮廓提取 | 第33-41页 |
| 4.2.1 边缘检测 | 第33-38页 |
| 4.2.2 轮廓提取 | 第38-39页 |
| 4.2.3 图像锐化 | 第39-41页 |
| 4.3 图像特征点的提取 | 第41-51页 |
| 4.3.1 图像特征点提取概述 | 第41页 |
| 4.3.2 基于灰度的图像特征点的提取 | 第41-47页 |
| 4.3.3 多尺度空间上的图像特征点的提取 | 第47-51页 |
| 4.4 图像特征点的描述 | 第51-53页 |
| 4.4.1 关键点方向分配 | 第51-52页 |
| 4.4.2 特征点描述子生成 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 图像匹配 | 第54-65页 |
| 5.1 引言 | 第54页 |
| 5.2 图像匹配的方法分类 | 第54-60页 |
| 5.2.1 基于灰度的匹配 | 第54-57页 |
| 5.2.2 基于特征的匹配 | 第57-60页 |
| 5.3 视觉公交报站系统中改进的图像匹配算法 | 第60-64页 |
| 5.3.1 图像轮廓上的Harris—SIFT匹配 | 第60-62页 |
| 5.3.2 SIFT特征描述子的改进 | 第62-63页 |
| 5.3.3 算法匹配效果分析 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 公交路线上感兴趣区域的图像识别 | 第65-72页 |
| 6.1 引言 | 第65页 |
| 6.2 公交路线上感兴趣文字区域的识别 | 第65-68页 |
| 6.2.1 图像的预处理 | 第65-66页 |
| 6.2.2 灰度阈值分割 | 第66页 |
| 6.2.3 图像中文字区域的定位和提取 | 第66-68页 |
| 6.3 公交路线上感兴趣交通标志的识别 | 第68-71页 |
| 6.3.1 HSV彩色空间的分割 | 第68-70页 |
| 6.3.2 彩色阈值分割后图像的形态学处理 | 第70-71页 |
| 6.4 本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 附录 攻读学位期间所发表的学术论文目录 | 第80页 |