智能交通系统中的环境感知算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 国内外研究历史与现状 | 第10-13页 |
| 1.3 本论文的结构安排 | 第13-15页 |
| 第二章 场景解析算法基础 | 第15-30页 |
| 2.1 背景提取技术方法 | 第15-17页 |
| 2.1.1 多帧均值背景提取 | 第15-16页 |
| 2.1.2 多帧中值背景提取 | 第16-17页 |
| 2.2 常用图像特征提取方法 | 第17-21页 |
| 2.2.1 GIST全局描述子 | 第17-21页 |
| 2.2.2 DenseSIFT描述子 | 第21页 |
| 2.3 概率图模型基础 | 第21-28页 |
| 2.3.1 概率图模型简介 | 第22-25页 |
| 2.3.2 概率图模型优化方法 | 第25-28页 |
| 2.4 实验 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 非参数化场景解析方法 | 第30-48页 |
| 3.1 非参数化场景解析 | 第31-38页 |
| 3.1.1 多通道GIST特征 | 第31-32页 |
| 3.1.2 KNN最近邻图像集检索 | 第32-33页 |
| 3.1.3 MRF下的SIFTFLOW求解 | 第33-36页 |
| 3.1.4 MRF下的图像标签传导 | 第36-38页 |
| 3.2 数据库的搭建 | 第38-42页 |
| 3.2.1 LabelMe搭建和软件的使用 | 第38-40页 |
| 3.2.2 图像标记和建库 | 第40-42页 |
| 3.3 实验 | 第42-47页 |
| 3.3.1 参数K的确定 | 第42-43页 |
| 3.3.2 参数M的确定 | 第43-44页 |
| 3.3.3 多通道GIST特征验证 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 参数化斑马线识别方法 | 第48-63页 |
| 4.1 基于MSER的斑马线潜在区域提取 | 第48-51页 |
| 4.1.1 图像预处理 | 第48-49页 |
| 4.1.2 MSER基本原理 | 第49-50页 |
| 4.1.3 MSER斑马线结构检测 | 第50-51页 |
| 4.2 基于ERANSAC的斑马线检测和定位 | 第51-57页 |
| 4.2.1 级联滤波器抽取斑马线子区域 | 第51页 |
| 4.2.2 基于ERANSAC的斑马线检测算法 | 第51-55页 |
| 4.2.3 最小二乘微调斑马线检测结果 | 第55-56页 |
| 4.2.4 斑马线长度和宽度估测 | 第56-57页 |
| 4.3 实验 | 第57-62页 |
| 4.3.1 图像预处理 | 第57-59页 |
| 4.3.2 斑马线检测性能验证 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 环境感知算法融合 | 第63-72页 |
| 5.1 参数和非参数化场景解析方法融合 | 第63-64页 |
| 5.2 交通监控环境感知系统构建 | 第64-69页 |
| 5.2.1 Matlab与C++混合编程 | 第64-65页 |
| 5.2.2 边缘数据的等间隔抽取 | 第65-68页 |
| 5.2.3 Matlab的GUI设计 | 第68-69页 |
| 5.3 实验 | 第69-72页 |
| 5.3.1 环境感知系统融合验证 | 第69-72页 |
| 第六章 全文总结与展望 | 第72-73页 |
| 6.1 全文总结 | 第72页 |
| 6.2 后续工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间取得的成果 | 第78-79页 |
