基于序列图像的车型识别技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-13页 |
| ·研究的背景与意义 | 第7页 |
| ·车型识别国内外研究现状 | 第7-11页 |
| ·智能交通的发展 | 第7-9页 |
| ·智能交通中的车型识别研究现状 | 第9-10页 |
| ·基于视频图像的车型识别研究现状 | 第10-11页 |
| ·本文的主要研究内容 | 第11-13页 |
| 2 车辆图像预处理与车辆检测 | 第13-29页 |
| ·车辆图像的预处理技术 | 第13-18页 |
| ·车辆图像的颜色处理 | 第13-14页 |
| ·图像帧间错位处理 | 第14页 |
| ·图像噪声处理 | 第14-18页 |
| ·基于序列图像的车辆检测 | 第18-28页 |
| ·基于梯度的光流检测方法 | 第18-20页 |
| ·基于背景差分的检测方法 | 第20-22页 |
| ·基于帧间差的检测法 | 第22-27页 |
| ·双帧差检测法 | 第23-24页 |
| ·基于车速估计的三帧差检测法 | 第24-27页 |
| ·车辆检测结果与分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 车辆分割与特征提取 | 第29-47页 |
| ·基于统计量的局部阈值分割和灰度投影的车辆定位 | 第29-35页 |
| ·图像二值化基础 | 第29页 |
| ·大津阈值(otsu)分割方法 | 第29-30页 |
| ·基于统计量的局部阈值分割方法 | 第30-31页 |
| ·基于灰度值投影的车辆定位 | 第31-34页 |
| ·基于扫描线的车辆区域填充 | 第34-35页 |
| ·图像边缘提取 | 第35-39页 |
| ·车辆特征提取 | 第39-46页 |
| ·几何特征提取 | 第39-41页 |
| ·轮距特征提取 | 第41-43页 |
| ·基于Hu不变矩的矩特征提取 | 第43-45页 |
| ·车辆特征的结果 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 4 基于最小距离和最近邻分类器的车型识别 | 第47-61页 |
| ·车辆车型分类标准 | 第47-48页 |
| ·特征数据分析处理与特征选择 | 第48-51页 |
| ·基于最小距离分类器的车型识别 | 第51-54页 |
| ·最小距离分类器 | 第51-52页 |
| ·车型识别结果与分析 | 第52-54页 |
| ·基于最近邻分类器的车型识别 | 第54-60页 |
| ·最近邻分类器(NN) | 第54-55页 |
| ·K近邻分类器(KNN) | 第55-56页 |
| ·最近邻的快速算法 | 第56-58页 |
| ·车型识别结果与分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| ·工作总结 | 第61-62页 |
| ·存在问题 | 第62页 |
| ·工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
