导读:本文包含了车辆图像论文开题报告文献综述及选题提纲参考文献，主要关键词:车辆压线检测,智能交通系统,车载图像,车辆检测
车辆图像论文文献综述
邱康,王子磊[1]（2019）在《基于车载图像的目标车辆压线检测方法》一文中研究指出车辆压线检测是智能交通系统的一个重要功能,为此提出一种基于车载图像的目标车辆压线检测方法.首先,利用合成数据方法构建一个类型丰富多样的压线检测数据集;然后,结合图像语义分割方法完成车辆检测和车道线检测并以分割图形式表示结果,再使用前后轮估计的方法获取车辆前后轮的位置;最后,通过车轮与车道线位置对比实现车辆压线判断.实验表明,结合图像语义分割模型后,所提方法的压线检测平均准确率达到88.7%,平均耗时35 ms,具备一定的实际应用价值.(本文来源于《计算机系统应用》期刊2019年11期）
张风彦,赵云娥[2]（2019）在《基于监控视频图像的车辆发电机高寒环境下的适应性分析》一文中研究指出针高寒环境下汽车发电机存在适应性差等问题,提出基于监控视频图像的车辆发电机高寒环境下的适应性分析。首先,通过监控视频设备对高寒环境下汽车发电机图像进行采集,其次,采用均值滤波法对高寒环境下通过监控视频采集到的汽车发动机图像进行降噪处理,用单一阈值分割法对预处理后的图片进行分割;然后,通过图像领域中灰度值的波动规律提取发电机轮廓灰度图像,采用Sobel算子提取汽车发电机轮廓灰度图像的边缘,最后,通过确定缺陷区域的面积和周长,得到汽车发电机轮廓缺陷特征。实验结果表明,该方法能够准确分析高寒环境下汽车发电机表面出现的缺陷,以此来提升高寒环境下汽车发电机的适应性能。(本文来源于《环境技术》期刊2019年05期）
张伟[3]（2019）在《基于图像处理技术的前方车辆识别系统》一文中研究指出基于图像处理技术的前方车辆识别系统,其需要的图像信息来自于安装在汽车上的CCD摄像机。通过图像滤波能够使图像边缘比较清晰地呈现出来;采用Sobel算子、二值化运算使边缘增强的作用,把检测目标的边缘信息凸显出来,使其更明显,便于更好地识别目标。文中采用基于特征模型驱动的前方车辆检测方法,用Sobel算子对图片进行处理,确定前方有无车辆,通过矩形AOI的建立来确定前方车辆。基于图像处理技术的前方车辆识别,可以帮助无人驾驶汽车时刻检测车辆前的道路情况,为处理道路前方的安全隐患做准备。(本文来源于《自动化与仪表》期刊2019年09期）
邱国枢,张翔,刘军,王蕾,田青[4]（2019）在《基于图像处理的车辆识别系统设计》一文中研究指出为了实时了解道路交通信息,及时处理交通事故,在一定程度上缓解交通事故频发的状况,设计了基于方向梯度直方图(HOG)特征与支持向量机(SVM)的车辆检测系统.在收集大量的车辆样本,构建正、负样本集之后,提取出每一个正、负样本的HOG特征向量并汇总,进而形成检测所用的SVM分类器模板.在视频检测过程中,提取视频中每帧图像的HOG特征送到训练好的分类器中与模板进行对比,并用矩形框标注检测出的车辆目标.利用实际道路监控视频进行车辆检测系统测试,结果表明,对于不同的路况、天气和光线下的道路环境,该算法都可以完成实时且准确的检测,有较强的实际场景应用能力.(本文来源于《吉首大学学报(自然科学版)》期刊2019年05期）
曾宇凡[5]（2019）在《基于视频图像的高速公路车辆识别算法研究》一文中研究指出针对高速公路监控视频图像实现路上车辆的自动识别,文章分析了当前主要的路况车辆识别算法,并提出采用基于高斯混合模型的矩阵区分背景图像和前景道路,使用彩色矩阵变化获得车辆前景信息,通过提取图像纹理信息结合帧间差分算法识别道路车辆的改进算法。经实验表明,该算法能快速实现背景分割,获得前景图像并能准确识别出车辆信息。(本文来源于《西部交通科技》期刊2019年09期）
徐昭洪,刘宇,全吉成[6]（2019）在《基于改进DetecNet网络的航空图像车辆检测》一文中研究指出针对航空图像的目标检测,传统的目标检测方法速度慢且精度低,利用深度学习技术来实施航空图像目标检测是新的研究方向。利用YOLO、Faster R-CNN等算法进行航空图像的车辆检测存在漏检率和误检率较高的诸多问题,因为这些算法在设计上更适合于自然图像的目标检测,而航空图像跟自然图像有明显的区别。针对这些问题,论文利用改进的DetectNet网络实施航空图像的车辆检测。论文通过叁种方法来改进DetectNet网络。一是合理标注边界样本以提高训练数据集的质量。二是利用两个3×3卷积核替换单个5×5卷积核来降低训练参数并同时加深模型深度。叁是利用学习率指数递减策略来防止模型陷入局部最优解。改进实验的mAP值从56.4%提高到66.4%,证明了改进后的模型的检测精度更高。(本文来源于《舰船电子工程》期刊2019年08期）
杨志钢,马俊杰[7]（2019）在《融合FV-SIFT特征和深度卷积特征的车辆图像细粒度分类》一文中研究指出针对现有的SIFT特征在车辆细粒度分类中存在的分类精度低的问题,提出了一种融合FV-SIFT特征和深度卷积特征的车辆图像细粒度分类算法。首先采用SIFT算法与Fisher Vector算法相结合的方式提取车辆图像的FV-SIFT特征,然后采用VGG-16卷积神经网络提取车辆图像的深度卷积特征,最后将FV-SIFT特征与深度卷积特征进行线性融合并采用支持向量机对融合后的车辆特征进行分类。实验结果表明,该方法的分类准确率达到82.3%,较FV-SIFT算法在分类准确率上提高了15.4%。(本文来源于《应用科技》期刊2019年04期）
张苏秀[8]（2019）在《应用4K高速相机提升车辆碰撞试验图像质量》一文中研究指出通过整车碰撞试验中的真实图像数据对比分析,4K高速相机与普通2K高速相机在分辨率、动态范围、噪点等方面的表现情况及试验中需要的相机数量,发现4K高速相机在试验中获取的图像更优,所需相机数量更少。4K相机为后期车体、假人等碰撞分析提供了更可靠、更方便获取图像信息的途径。(本文来源于《汽车与新动力》期刊2019年03期）
赵子豪,申颖,李薇[9]（2019）在《基于图像识别的车辆智能定损应用研究》一文中研究指出近几年来,中国汽车销量迅猛增长,推动了车险市场的快速发展。同时,日新月异的科技发展对于保险行业的驱动从信息化、网络化,逐步过渡到智能化、移动化。借助保险科技之力,保险公司可以显着提高车险服务能力,从而促进社会经济效益增长。本文研究了基于图像识别的事故车辆智能定损技术在车险理赔小额案件中的应用价值,研究表明:智能定损的应用,一方面可以有效提高车辆查勘效率,简化理赔流程,从而减少保险公司的人力成本和渗漏风险,有效提升保险公司的服务能力和客户体验;另一方面,针对交通事故,通过交管部门搭建的事故车快处快赔政务通道,智能定损的应用可以显着缩短交通事故的处理时间,从而有效缓解道路拥堵,提升社会经济效益。(本文来源于《保险职业学院学报》期刊2019年03期）
张鸿阳,韩建峰,张妍[10]（2019）在《基于改进分水岭算法的粘连车辆图像分割》一文中研究指出为解决基于光流法的交通监控视频车流量检测过程中出现的车辆前景粘连情况,本文提出一种基于欧氏距离的分水岭粘连车辆分割算法.算法通过计算车辆前景中像素点距离背景的最小欧式距离,对阈值筛选后的区域进行质心的选取;以质心为起点构建分水岭算法的集水盆地,生成分水岭轮廓;将分水岭轮廓与原粘连图像结合完成粘连车辆的分割.本文进行各种类型车辆粘连图像分割实验,结果表明,本文提出的算法对于车辆粘连情况分割成功率高,获得了良好的车辆识别效果.(本文来源于《内蒙古工业大学学报(自然科学版)》期刊2019年03期）
车辆图像论文开题报告
（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：
针高寒环境下汽车发电机存在适应性差等问题,提出基于监控视频图像的车辆发电机高寒环境下的适应性分析。首先,通过监控视频设备对高寒环境下汽车发电机图像进行采集,其次,采用均值滤波法对高寒环境下通过监控视频采集到的汽车发动机图像进行降噪处理,用单一阈值分割法对预处理后的图片进行分割;然后,通过图像领域中灰度值的波动规律提取发电机轮廓灰度图像,采用Sobel算子提取汽车发电机轮廓灰度图像的边缘,最后,通过确定缺陷区域的面积和周长,得到汽车发电机轮廓缺陷特征。实验结果表明,该方法能够准确分析高寒环境下汽车发电机表面出现的缺陷,以此来提升高寒环境下汽车发电机的适应性能。
（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。
车辆图像论文参考文献
[1].邱康,王子磊.基于车载图像的目标车辆压线检测方法[J].计算机系统应用.2019
[2].张风彦,赵云娥.基于监控视频图像的车辆发电机高寒环境下的适应性分析[J].环境技术.2019
[3].张伟.基于图像处理技术的前方车辆识别系统[J].自动化与仪表.2019
[4].邱国枢,张翔,刘军,王蕾,田青.基于图像处理的车辆识别系统设计[J].吉首大学学报(自然科学版).2019
[5].曾宇凡.基于视频图像的高速公路车辆识别算法研究[J].西部交通科技.2019
[6].徐昭洪,刘宇,全吉成.基于改进DetecNet网络的航空图像车辆检测[J].舰船电子工程.2019
[7].杨志钢,马俊杰.融合FV-SIFT特征和深度卷积特征的车辆图像细粒度分类[J].应用科技.2019
[8].张苏秀.应用4K高速相机提升车辆碰撞试验图像质量[J].汽车与新动力.2019
[9].赵子豪,申颖,李薇.基于图像识别的车辆智能定损应用研究[J].保险职业学院学报.2019
[10].张鸿阳,韩建峰,张妍.基于改进分水岭算法的粘连车辆图像分割[J].内蒙古工业大学学报(自然科学版).2019