基于交通视频图像处理的车型识别技术的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 车辆检测技术的发展 | 第12页 |
| 1.2.2 车型识别技术的研究现状 | 第12-13页 |
| 1.2.3 视频图像法车型识别技术的研究现状 | 第13-15页 |
| 1.3 论文的主要研究内容及结构安排 | 第15-16页 |
| 1.4 本章小节 | 第16-17页 |
| 第二章 交通视频图像的预处理 | 第17-30页 |
| 2.1 交通视频图像的特点 | 第17-19页 |
| 2.2 图像增强 | 第19-26页 |
| 2.2.1 图像灰度化 | 第19-20页 |
| 2.2.2 直方图均衡化 | 第20-22页 |
| 2.2.3 锐化空间滤波器 | 第22-24页 |
| 2.2.4 Retinex增强算法 | 第24-26页 |
| 2.3 图像噪声处理 | 第26-29页 |
| 2.3.1 噪声的概述 | 第26-27页 |
| 2.3.2 均值滤波法 | 第27-28页 |
| 2.3.3 统计排序滤波法 | 第28页 |
| 2.3.4 小波变换法 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 运动车辆的检测 | 第30-42页 |
| 3.1 光流检测法 | 第30-31页 |
| 3.2 帧间差分法 | 第31-33页 |
| 3.2.1 两帧差分法 | 第31-32页 |
| 3.2.2 三帧差分法 | 第32-33页 |
| 3.3 背景差分法 | 第33-38页 |
| 3.3.1 序列加权法背景建模 | 第33-35页 |
| 3.3.2 单高斯背景建模 | 第35页 |
| 3.3.3 混合高斯背景建模 | 第35-38页 |
| 3.4 基于颜色空间变换的阴影抑制 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 目标车辆的特征提取 | 第42-59页 |
| 4.1 基于投影法的车脸分割 | 第43-46页 |
| 4.2 基于边缘检测的特征提取 | 第46-54页 |
| 4.2.1 Canny算法介绍 | 第47-49页 |
| 4.2.2 结构边缘检测算法 | 第49-54页 |
| 4.3 HOG特征提取 | 第54-57页 |
| 4.4 组合特征提取 | 第57-58页 |
| 4.5 本章小节 | 第58-59页 |
| 第五章 车型分类器实现 | 第59-75页 |
| 5.1 特征变换及降维处理 | 第59-61页 |
| 5.2 支持向量机 | 第61-67页 |
| 5.2.1 线性可分的SVM | 第61-63页 |
| 5.2.2 非线性可分的C-SVM | 第63-64页 |
| 5.2.3 核函数映射下的SVM | 第64页 |
| 5.2.4 基于SVM的多分类问题 | 第64-67页 |
| 5.3 AdaBoost-SVM级联分类器 | 第67-68页 |
| 5.3.1 AdaBoost理论 | 第67-68页 |
| 5.3.2 AdaBoost-SVM理论 | 第68页 |
| 5.3.3 多分类扩展 | 第68页 |
| 5.4 实验结果 | 第68-73页 |
| 5.4.1 实验步骤 | 第69-70页 |
| 5.4.2 SVM分类结果 | 第70-72页 |
| 5.4.3 AdaBoost-SVM分类结果 | 第72-73页 |
| 5.5 本章小结 | 第73-75页 |
| 第六章 总结及展望 | 第75-77页 |
| 6.1 研究成果 | 第75页 |
| 6.2 创新成果 | 第75-76页 |
| 6.3 研究展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-84页 |
| Ⅳ-2答辩委员会对论文的评定意见 | 第84页 |
