导读:本文包含了车辆纹理论文开题报告文献综述及选题提纲参考文献，主要关键词:无人驾驶,目标跟踪,路面纹理,环境信息
车辆纹理论文文献综述
赵富强,孔斌,杨静,王智灵[1]（2019）在《基于路面纹理环境信息的车辆跟踪算法研究》一文中研究指出本文通过提取待跟踪车辆的上方、左方和右方环境信息作为噪声样本,在训练过程中对其进行抑制;提取目标车辆下方区域的路面纹理信息作为辅助定位的正样本,通过脊回归算法进行训练,获得综合权重,并根据权重对后续帧进行预测。同时,本文融合多尺度目标跟踪相关方法,实现道路场景下对前方车辆的精确跟踪。实验证明,改进后的算法具有较高的精度及较低的失败率。(本文来源于《机器人技术与应用》期刊2019年05期）
张密科,胡选儒[2]（2017）在《基于图像纹理分析的动态车辆识别方法研究》一文中研究指出在智能交通系统中,动态图像识别技术是系统应用的基础核心技术之一。以应用于交通监控、智能驾驶系统等场景的HSV空间动态车辆识别为基础,研究并论证提出了新的检测识别方法,实现对运动车辆的检测识别、目标追踪、驾驶辅助等功能。研究问题的难点是,如何从复杂的背景中分割运动物体,是检测方法能否有效的至关重要的一步,在研究了目前存在的各种方法之后,提出了一种新的基于阴影检测的HSV空间自适应背景模型的车辆追踪检测算法,算法基于HSV空间图像处理,采用最大类间方差法获取相邻帧二值化阈值,利用纹理信息进一步确定动态图像以及确认图像范围。通过截取由监控系统获取的视频信息,并对其进行图像处理检测车辆移动轨迹。从监控视频信息中获取两帧不同时刻的图像信息,在HSV空间进行相邻帧检测。由于阈值的选择将直接影响判断精度,本研究将固定阈值法进行了改进,该阈值是通过统计模型对整幅图像上灰度值进行计算,并通过最大类间方差法确定阈值。最后经过实际视频图像验证,仿真试验流程清晰,试验结果达到预期设想。(本文来源于《公路交通科技》期刊2017年10期）
朱金荣,张广杰,夏长权[3]（2016）在《基于纹理识别的粘连车辆检测》一文中研究指出针对视频车流量检测系统无法识别粘连车辆的局限性,提出了基于纹理识别与滤波扫描相结合的算法,并采用聚类分析法检测判断粘连车辆。文章对车道的各区域采用基于纹理识别的方法计算出纹理描述子,获得车辆顶部初步坐标;利用滤波器扫描得到车顶部位的精确坐标,并采用聚类分析法判断粘连车辆,从而提高车流量检测的精度。(本文来源于《微型机与应用》期刊2016年13期）
田苏慧敏,沈宏君[4]（2014）在《基于MRF纹理分割的车辆目标提取技术研究》一文中研究指出图像分割是计算机视觉中的关键技术之一。基于马尔科夫随机场(Markov Random Field,MRF)纹理分割的方法是一种基于统计的分割方法,具有能充分利用先验知识、能形成闭合的边界、模型参数少且易于和其他方法相结合等优点。该方法首先利用纹理特征将图像划分为若干不同的纹理区域,然后以此为先验信息,得到分割结果。文中介绍了基于MRF纹理分割的一般理论与图像的关系,评述了其在车辆目标提取中应用的优势,展望了其发展方向。(本文来源于《公路与汽运》期刊2014年05期）
周冬梅,张明星,代永霞,张静[5]（2014）在《基于纹理的车辆阴影消除新算法》一文中研究指出基于对智能交通系统(ITS,Intelligent Transport Systems)中视频检测的研究和分析,特别针对其中关键步骤之一的阴影消除展开深入探讨,分析了阴影产生的原理和特点,阐述了现有的阴影去除算法,在现有算法的基础上提出了一种基于区域聚类的阴影消除算法。实践证明,该方法能够较好的去除运动车辆的阴影,保留较完整的车辆目标信息,为准确提取车辆目标奠定了基础。(本文来源于《自动化与仪器仪表》期刊2014年01期）
宋晓琳,王文涛,张伟伟[6]（2013）在《基于LBP纹理和改进Camshift算子的车辆检测与跟踪》一文中研究指出提出了利用背景图像LBP(局部二值模式)纹理和当前帧图像LBP纹理的相似度分析提取前景的方法,克服了车辆检测中常用的帧差法、背景差分法对光照比较敏感的缺点.同时基于H,S,V分量及改进的LBP纹理的联合直方图与金字塔L-K光流法中心跟踪相结合的Camshift跟踪算法,有效地解决了背景目标颜色相近可能会导致跟踪的目标区域加入背景后变大、处理较大帧间位移的视频跟踪上搜索窗口的位置准确度较低的问题.实验证明,该方法具有良好的检测和追踪效果.(本文来源于《湖南大学学报(自然科学版)》期刊2013年08期）
朱敏琛,王伟智[7]（2013）在《融合线性特征的局部纹理运动车辆阴影检测》一文中研究指出提出了一种融合线性特征的局部纹理运动车辆阴影检测方法。首先基于连续帧视频图像信息建立初始背景模型;通过背景差法获取包含阴影的运动目标区域,同时依据该运动区域信息实时更新背景;结合亮度信息,利用改进局部二值模式的纹理算子描述运动区域纹理,并根据海明距离进行粗分类,快速检测出运动区域中的阴影覆盖区;进一步对阴影覆盖区域进行纹理信息的线性特性判断,排除车辆自阴影区域,获取背景阴影,得到真实车辆目标。实验结果表明,该方法提高了阴影和车辆自阴影的检测准确度,且速度快,可满足实时性要求。(本文来源于《微型机与应用》期刊2013年14期）
张秀林,王浩全,刘玉,安然[8]（2013）在《基于纹理特征与BP神经网络的运动车辆识别》一文中研究指出在Gabor小波滤波器组与图像卷积值作为特征向量达到很高识别率的基础上,提出了一种特征值加权的Gabor小波纹理特征的提取方法。首先Gabor小波函数与纹理图像做卷积,然后加权处理尺度各不相同和方向各不相同的的卷积值,最后将均值和方差看作它们的特征向量,该方法使特征维数有所降低,并利用BP神经网络进行训练和仿真,实现运动车辆纹理图像的自动分类,达到运动图像的识别。实验结果表明此算法有效降低了图像的识别错误,增强了稳健性,对质量差的图像能够有效识别。(本文来源于《电视技术》期刊2013年13期）
卢清华,吴志伟,范彦斌[9]（2013）在《基于颜色和纹理的运动车辆阴影检测算法》一文中研究指出根据运动车辆的阴影特性,对基于RGB颜色空间和基于纹理特征的阴影检测算法分别进行改进,提出一种综合颜色和纹理的运动车辆阴影检测算法.在该算法中,利用阴影覆盖区域像素点亮度值比背景亮度值低、颜色和纹理保持不变的特性,通过计算各像素点颜色畸变、亮度畸变和一阶梯度值,并与背景各像素点进行比较,进而区分阴影点和非阴影点.采用形态学方法对去除阴影后的前景进行目标重建,进一步提高阴影检测的效果.在视频图像的车道近端设置ROI区域,提高车辆检测的效率.实验结果表明,提出的方法能较好地对运动车辆的阴影进行检测.(本文来源于《测试技术学报》期刊2013年02期）
张明星,代永霞,张静[10]（2011）在《一种基于纹理的车辆阴影消除新算法》一文中研究指出基于对智能交通系统(ITS,Intelligent Transport Systems)中视频检测的研究和分析,特别针对其中关键步骤之一的阴影消除展开深入探讨,分析了阴影产生的原理和特点,阐述了现有的阴影去除算法,在现有算法的基础上提出了一种基于区域聚类的阴影消除算法。实践证明,该方法能够较好的去除运动车辆的阴影,保留较完整的车辆目标信息,为准确提取车辆目标奠定了基础。(本文来源于《信息通信》期刊2011年06期）
车辆纹理论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在智能交通系统中,动态图像识别技术是系统应用的基础核心技术之一。以应用于交通监控、智能驾驶系统等场景的HSV空间动态车辆识别为基础,研究并论证提出了新的检测识别方法,实现对运动车辆的检测识别、目标追踪、驾驶辅助等功能。研究问题的难点是,如何从复杂的背景中分割运动物体,是检测方法能否有效的至关重要的一步,在研究了目前存在的各种方法之后,提出了一种新的基于阴影检测的HSV空间自适应背景模型的车辆追踪检测算法,算法基于HSV空间图像处理,采用最大类间方差法获取相邻帧二值化阈值,利用纹理信息进一步确定动态图像以及确认图像范围。通过截取由监控系统获取的视频信息,并对其进行图像处理检测车辆移动轨迹。从监控视频信息中获取两帧不同时刻的图像信息,在HSV空间进行相邻帧检测。由于阈值的选择将直接影响判断精度,本研究将固定阈值法进行了改进,该阈值是通过统计模型对整幅图像上灰度值进行计算,并通过最大类间方差法确定阈值。最后经过实际视频图像验证,仿真试验流程清晰,试验结果达到预期设想。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车辆纹理论文参考文献
[1].赵富强,孔斌,杨静,王智灵.基于路面纹理环境信息的车辆跟踪算法研究[J].机器人技术与应用.2019
[2].张密科,胡选儒.基于图像纹理分析的动态车辆识别方法研究[J].公路交通科技.2017
[3].朱金荣,张广杰,夏长权.基于纹理识别的粘连车辆检测[J].微型机与应用.2016
[4].田苏慧敏,沈宏君.基于MRF纹理分割的车辆目标提取技术研究[J].公路与汽运.2014
[5].周冬梅,张明星,代永霞,张静.基于纹理的车辆阴影消除新算法[J].自动化与仪器仪表.2014
[6].宋晓琳,王文涛,张伟伟.基于LBP纹理和改进Camshift算子的车辆检测与跟踪[J].湖南大学学报(自然科学版).2013
[7].朱敏琛,王伟智.融合线性特征的局部纹理运动车辆阴影检测[J].微型机与应用.2013
[8].张秀林,王浩全,刘玉,安然.基于纹理特征与BP神经网络的运动车辆识别[J].电视技术.2013
[9].卢清华,吴志伟,范彦斌.基于颜色和纹理的运动车辆阴影检测算法[J].测试技术学报.2013
[10].张明星,代永霞,张静.一种基于纹理的车辆阴影消除新算法[J].信息通信.2011