基于SVM的考虑倾斜角度的车辆分类方法的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景及现状 | 第9-10页 |
| ·车辆自动分类技术的研究现状 | 第10-13页 |
| ·国外发展概况 | 第11页 |
| ·国内车辆自动分类技术的发展 | 第11-13页 |
| ·本论文主要的技术路线和结构安排 | 第13-15页 |
| ·本论文主要的技术路线 | 第13页 |
| ·本论文的章节安排 | 第13-15页 |
| 第二章 统计学习理论与支持向量机原理 | 第15-26页 |
| ·统计学习理论 | 第15-17页 |
| ·VC维 | 第15-16页 |
| ·推广性的界 | 第16页 |
| ·结构风险最小化 | 第16-17页 |
| ·支持向量机理论 | 第17-22页 |
| ·最优分类超平面 | 第18-20页 |
| ·广义最优超平面 | 第20-22页 |
| ·核函数 | 第22页 |
| ·现有的支持向量机多分类方法 | 第22-25页 |
| ·一对多算法 | 第23页 |
| ·一对一算法 | 第23页 |
| ·决策导向无循环图法 | 第23-24页 |
| ·决策二叉树的方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 车辆预处理技术与算法的研究 | 第26-40页 |
| ·图像平滑 | 第26-28页 |
| ·中值滤波 | 第27-28页 |
| ·图像灰度化 | 第28-29页 |
| ·图像均衡化 | 第29-30页 |
| ·图像分割 | 第30-32页 |
| ·图像的阈值选择 | 第31-32页 |
| ·本文用到的二值化方法 | 第32页 |
| ·图像边缘检测 | 第32-35页 |
| ·canny边缘检测算子 | 第33页 |
| ·sobel边缘检测算子 | 第33-34页 |
| ·Laplace边缘检测算子 | 第34页 |
| ·Roberts算子 | 第34-35页 |
| ·几种边缘检测算法的比较 | 第35页 |
| ·图像归一化 | 第35-39页 |
| ·尺度归一化 | 第36-37页 |
| ·角度归一化 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 车辆特征提取与选择 | 第40-53页 |
| ·特征提取中用到的一些算法 | 第40-45页 |
| ·FREEMAN链码原理 | 第40-42页 |
| ·圆检测算法 | 第42-45页 |
| ·本文车辆图像获取方式 | 第45-46页 |
| ·车辆特征 | 第46-50页 |
| ·车辆特征参数及在车中显示 | 第46-48页 |
| ·车辆特征的计算 | 第48-49页 |
| ·车辆特征的组合参数表示 | 第49-50页 |
| ·特征选择 | 第50-52页 |
| ·特征选择的原理 | 第50-51页 |
| ·本文车辆特征的选择 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 分类器识别模型的建立与实现 | 第53-63页 |
| ·实验平台 | 第53页 |
| ·车辆分类标准 | 第53-54页 |
| ·车辆分类器的设计与实现 | 第54-61页 |
| ·训练样本与测试样本的选择 | 第54-55页 |
| ·多类分类器的构造 | 第55-58页 |
| ·核函数的选择与分类实现 | 第58-61页 |
| ·识别结果的分析与比较 | 第61页 |
| ·实验中遇到的问题 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·所做工作的总结 | 第63页 |
| ·有待进一步研究的工作 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读学位期间发表论文 | 第69-70页 |
| 附录 | 第70-78页 |
