声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 研究内容及创新点
1.3.1 研究内容
1.3.2 创新点
1.4 本文章节安排
第二章 夜间交通图像阈值处理算法
2.1 阈值处理算法
2.1.1 大津法(Otsu算法)
2.1.2 亮度累加直方图阈值算法
2.1.3 Kumar阈值算法
2.1.4 Wellner自适应阈值算法
2.1.5 常见阈值处理算法分析
2.2 最大似然估计阈值算法
2.3 本章小结
第三章 自适应感兴趣区域确定
3.1 感兴趣区域确定方法
3.2 本文ROI确定方法
3.2.1 变换
3.2.2 确定感兴趣区域ROI
3.3 本章小结
第四章 AdaBoost算法训练车辆分类器
4.1 AdaBoost算法简介
4.1.1 Boosting算法背景
4.1.2 算法描述
4.2 Haar特征与积分图
4.2.1 Haar特征
4.2.2 Haar特征数量计算
4.2.3 积分图像
4.3 特征选择与分类嚣训练
4.3.1 传统灰度样本Haar特征选择
4.3.2 二值化样本Haar特征选择
4.4 筛选式级联分类器生成
4.5 本章小结
第五章 车灯分割与追踪补偿
5.1 车灯分割
5.2 车灯追踪补偿
5.3 本章小结
第六章 实验与分析
6.2 灰度样品与二值样本分类器实验
6.3 本文方法鲁性实验
6.4 多种夜间车辆检测方法对比实验
6.5 本章小结
7.1 总结
7.2 展望
参考文献
致谢
攻读学位期间发表的学术论文目录