| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-16页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 理论和实际意义 | 第11页 |
| 1.2 国内外相关研究现状 | 第11-15页 |
| 1.2.1 视频车辆检测技术发展及趋势 | 第11-13页 |
| 1.2.2 视频车辆检测技术算法研究现状 | 第13-15页 |
| 1.3 论文内容结构安排 | 第15-16页 |
| 2 结合GCV原理的NSCT域车辆视频图像预处理 | 第16-31页 |
| 2.1 引言 | 第16-17页 |
| 2.2 NSCT原理 | 第17-20页 |
| 2.2.1 由Contourlet到NSCT | 第17-20页 |
| 2.3 NSCT域结合GCV原理的去噪阈值估计 | 第20-24页 |
| 2.3.1 NSCT域系数阈值处理 | 第20-22页 |
| 2.3.2 GCV去噪阈值选取 | 第22-24页 |
| 2.4 算法流程设计 | 第24-26页 |
| 2.5 实验结果与分析 | 第26-30页 |
| 2.5.1 去噪 | 第27-29页 |
| 2.5.2 增强 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 3 基于IPM和TTMF的运动车辆目标检测 | 第31-47页 |
| 3.1 引言 | 第31-33页 |
| 3.2 车辆目标检测提取 | 第33-36页 |
| 3.2.1 基于时间暂存中值滤波背景提取 | 第34-36页 |
| 3.3 结合计算机视觉和Hough变换的车道线检测 | 第36-42页 |
| 3.3.1 逆透视映射变换原理 | 第36-40页 |
| 3.3.2 Hough变换原理 | 第40页 |
| 3.3.3 实验结果与分析 | 第40-42页 |
| 3.4 基于视觉的阴影检测与消除 | 第42-46页 |
| 3.4.1 色彩空间模型 | 第43-44页 |
| 3.4.2 阴影光照模型 | 第44页 |
| 3.4.3 实验结果与分析 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 基于RVM的多特征车辆分类检测算法 | 第47-61页 |
| 4.1 引言 | 第47页 |
| 4.2 分类检测特征选取 | 第47-52页 |
| 4.2.1 区域描述子 | 第48页 |
| 4.2.2 不变矩 | 第48-50页 |
| 4.2.3 离散余弦变换描述子 | 第50页 |
| 4.2.4 分形维数 | 第50-51页 |
| 4.2.5 纹理特征 | 第51-52页 |
| 4.3 机器学习理论简介 | 第52-56页 |
| 4.3.1 相关向量机理论 | 第52-56页 |
| 4.4 基于RVM的车辆分类检测实现 | 第56-60页 |
| 4.4.1 算法流程设计 | 第56-57页 |
| 4.4.2 实验结果与分析 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 论文主要工作总结 | 第61页 |
| 5.2 未来研究工作展望 | 第61-63页 |
| 参考文献 | 第63-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间取得的研究成果 | 第73-75页 |