隧道场景下行人检测图像增强方法研究

隧道成像模型论文 光照估计论文 自适应图像增强论文 视频增强论文
论文详情
中文摘要第3-4页
英文摘要第4-5页
1 绪论第8-16页
    1.1 研究背景第8-9页
    1.2 国内外研究现状及课题的提出第9-14页
        1.2.1 图像增强算法的研究现状第9-12页
        1.2.3 研究现状分析及课题的提出第12-14页
    1.3 主要内容及结构安排第14-16页
2 隧道场景下行人检测增强方法关键技术及研究方案第16-24页
    2.1 隧道场景下行人检测视频图片的特点第16页
    2.2 隧道场景下行人检测图像增强方法的相关技术第16-20页
        2.2.1 隧道的成像模型的建立第17-19页
        2.2.2 光照图的估计第19页
        2.2.3 图像质量评价第19-20页
    2.3 隧道场景下行人检测图像增强技术方法第20-23页
        2.3.1 基于隧道的成像模型建立第20-21页
        2.3.2 基于隧道光照的自适应图像增强算法第21-22页
        2.3.3 行人图像增强方法的应用与验证第22-23页
    2.4 本章小结第23-24页
3 基于隧道的成像模型建立及参数初估第24-38页
    3.1 隧道场景下成像特点及分析第24-25页
    3.2 隧道成像模型的建立第25-29页
        3.2.1 传统图像成像模型分析第25页
        3.2.2 传统大气散射模型第25-28页
        3.2.3 隧道场景成像模型第28-29页
    3.3 隧道成像模型相关参数的快速估计方法第29-32页
        3.3.1 算法框架第29页
        3.3.2 大气光值估计第29-30页
        3.3.3 传输图估计第30-32页
    3.4 实验研究结果第32-36页
        3.4.1 模型参数估计第32-33页
        3.4.2 主观评价分析第33-34页
        3.4.3 客观评价分析第34-36页
    3.5 本章小结第36-38页
4 基于隧道光照的自适应图像增强算法第38-56页
    4.1 问题的提出第38-39页
    4.2 传统光照估计方法介绍和分析第39-42页
        4.2.1 传统光照图估计算法介绍第39-41页
        4.2.2 传统光照估计算法的优缺点第41-42页
    4.3 隧道光照图自适应估计方法的提出第42-45页
        4.3.1 隧道图像亮度值分布特征分析第42-43页
        4.3.2 基于C均值聚类的隧道分类方法第43-45页
    4.4 隧道光照估计方法的实现第45-51页
        4.4.1 图像的自适应拉伸第45-48页
        4.4.2 基于自适应引导滤波的光照估计第48-51页
    4.5 实验研究结果第51-54页
        4.5.1 主观评价分析第51-52页
        4.5.2 客观评价分析第52-54页
    4.6 本章小结第54-56页
5 行人图像增强方法应用及验证第56-66页
    5.1 应用环境第56页
    5.2 应用方案设计及关键技术第56-62页
        5.2.1 应用方案设计第56-57页
        5.2.2 图像局部区域增强方法第57-60页
        5.2.3 视频抽帧帧率的选取及优化第60-62页
    5.3 增强技术在视频中的应用第62-64页
    5.4 本章小结第64-66页
6 总结与展望第66-68页
致谢第68-70页
参考文献第70-76页
附录第76页
    A.作者在攻读学位期间发表的论文目录第76页
    B.作者在攻读学位期间申请的发明专利第76页
    C.作者在攻读学位期间参与的科研项目第76页
论文购买
论文编号ABS4590919,这篇论文共76页
会员购买按0.30元/页下载,共需支付22.8
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付38
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656