| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 数字图像处理在智能交通系统(ITS)中的作用 | 第10页 |
| 1.3 智能交通系统的发展现状 | 第10-12页 |
| 1.3.1 国外研究现状 | 第10-11页 |
| 1.3.2 国内研究现状 | 第11-12页 |
| 1.4 本文研究的主要内容 | 第12-13页 |
| 第二章 智能交通系统总体方案的研究 | 第13-17页 |
| 2.1 总体系统的基本组成 | 第13-14页 |
| 2.2 软件系统的工作流程 | 第14页 |
| 2.3 摄像头距离范围的选择 | 第14-15页 |
| 2.4 交通信号的基本参数 | 第15-16页 |
| 2.4.1 信号周期 | 第15页 |
| 2.4.2 相位 | 第15页 |
| 2.4.3 绿信比 | 第15-16页 |
| 2.4.4 平均延误时间 | 第16页 |
| 2.5 方案的可实时性和可靠性 | 第16页 |
| 2.5.1 可靠性原则 | 第16页 |
| 2.5.2 实时性原则 | 第16页 |
| 2.6 本章小结 | 第16-17页 |
| 第三章 车辆图像处理算法研究 | 第17-34页 |
| 3.1 车辆图像的特点 | 第17页 |
| 3.2 彩色图像的灰度化处理 | 第17-18页 |
| 3.3 灰度阈值变换 | 第18-19页 |
| 3.4 图像增强 | 第19-23页 |
| 3.4.1 灰度直方图 | 第19-22页 |
| 3.4.2 灰度分段线性变换 | 第22-23页 |
| 3.5 图像的滤波去噪 | 第23-25页 |
| 3.5.1 空间域滤波 | 第23页 |
| 3.5.2 频域滤波方法 | 第23-25页 |
| 3.5.3 中值滤波 | 第25页 |
| 3.6 图像锐化 | 第25-28页 |
| 3.6.1 Sobel梯度 | 第26-27页 |
| 3.6.2 拉普拉斯算子 | 第27-28页 |
| 3.7 图像分割 | 第28-33页 |
| 3.7.1 根据直方图确定阈值 | 第28页 |
| 3.7.2 迭代法确定阈值 | 第28-29页 |
| 3.7.3 二维Otsu方法 | 第29-32页 |
| 3.7.4 改进的二维Otsu方法 | 第32-33页 |
| 3.8 本章小结 | 第33-34页 |
| 第四章 道路车辆的信息提取与识别 | 第34-49页 |
| 4.1 基于统计特性的背景提取 | 第34-35页 |
| 4.1.1 基于中值法的背景提取 | 第34页 |
| 4.1.2 基于均值法的背景提取 | 第34页 |
| 4.1.3 基于帧间差分法的背景提取 | 第34-35页 |
| 4.2 背景更新模型 | 第35-36页 |
| 4.3 车道的提取 | 第36-38页 |
| 4.3.1 基于Hough变换的车道线提取 | 第36-37页 |
| 4.3.2 基于直线方程的道路提取 | 第37页 |
| 4.3.3 基于Roipoly的车道提取 | 第37-38页 |
| 4.4 目标车辆的提取 | 第38-44页 |
| 4.4.1 基于背景差分法的车辆提取 | 第38-40页 |
| 4.4.2 预处理 | 第40-41页 |
| 4.4.3 帧差图像的分割 | 第41-42页 |
| 4.4.4 基于形态学处理的车辆复原 | 第42-44页 |
| 4.4.5 基于图像处理车辆信息的提取与识别流程图 | 第44页 |
| 4.5 基于车队长度的测量和车辆数量的识别 | 第44-48页 |
| 4.5.1 基于车队长度的测量 | 第44-46页 |
| 4.5.2 二值图像的车辆数量统计 | 第46-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-53页 |
| 附录 | 第53-60页 |