视觉特征驱动下的车标识别方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究目的和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 车标定位 | 第16-17页 |
| 1.2.2 车标识别 | 第17-19页 |
| 1.3 研究内容与组织结构 | 第19-21页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 组织结构 | 第20-21页 |
| 第二章 相关算法分析与车标数据集搭建 | 第21-31页 |
| 2.1 基于字典学习的车标识别算法 | 第21-24页 |
| 2.1.1 DenseSIFT特征描述子 | 第22-23页 |
| 2.1.2 BoW模型 | 第23页 |
| 2.1.3 空间金字塔匹配策略 | 第23-24页 |
| 2.1.4 局部约束线性编码 | 第24页 |
| 2.2 基于边缘梯度特征的车标识别算法 | 第24-26页 |
| 2.2.1 车标定位 | 第25页 |
| 2.2.2 HOG特征 | 第25-26页 |
| 2.3 基于不变矩的车标识别算法 | 第26-28页 |
| 2.3.1 Hu不变矩 | 第26-27页 |
| 2.3.2 Zernike不变矩 | 第27页 |
| 2.3.3 切比雪夫不变矩 | 第27-28页 |
| 2.4 车标数据采集方法 | 第28-30页 |
| 2.4.1 运动车辆检测 | 第28-29页 |
| 2.4.2 车牌定位 | 第29-30页 |
| 2.4.3 车标定位 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于点对特征的车标识别算法 | 第31-40页 |
| 3.1 算法整体思想 | 第31-32页 |
| 3.2 算法描述 | 第32-36页 |
| 3.2.1 车标前背景骨架区域提取 | 第32-33页 |
| 3.2.2 初始点对提取 | 第33-34页 |
| 3.2.3 点对的有效性判断 | 第34-36页 |
| 3.2.4 分类识别 | 第36页 |
| 3.3 实验结果与分析 | 第36-39页 |
| 3.3.1 数据集与实验环境 | 第36-37页 |
| 3.3.2 实验结果分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于OE-POEM特征的车标识别算法 | 第40-56页 |
| 4.1 算法主要思想 | 第40-41页 |
| 4.2 算法描述 | 第41-45页 |
| 4.2.1 POEM特征提取 | 第41-42页 |
| 4.2.2 增强的POEM特征 | 第42-43页 |
| 4.2.3 OE-POEM特征描述 | 第43-44页 |
| 4.2.4 分类识别 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-55页 |
| 4.3.1 数据集与实验环境 | 第45-46页 |
| 4.3.2 实验结果分析 | 第46-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第63-65页 |
