图像处理在车辆类型识别中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·智能交通系统（ITS） | 第8-9页 |
| ·计算机视觉在 ITS 中的角色 | 第9-10页 |
| ·国内外发展状况 | 第10-11页 |
| ·本文研究的主要内容和文章结构安排 | 第11-12页 |
| 第2章 图像预处理基础 | 第12-27页 |
| ·图像灰度化 | 第12-16页 |
| ·对比度增强 | 第16-17页 |
| ·图像的二值化 | 第17-26页 |
| ·最大类间方差阀值分割法 | 第20-21页 |
| ·局部二值化方法 | 第21-23页 |
| ·二值化后噪声点去除 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 图像分割与角点检测 | 第27-42页 |
| ·图像滤波 | 第27-29页 |
| ·图像分割技术 | 第29-30页 |
| ·基于图像边界的分割技术 | 第29页 |
| ·基于区域的分割技术 | 第29-30页 |
| ·小波变换 | 第30-33页 |
| ·边缘检测 | 第33-37页 |
| ·基于梯度的边缘检测 | 第33-36页 |
| ·Laplace 边缘检测算子 | 第36页 |
| ·Canny 边缘检测算子 | 第36-37页 |
| ·HARRIS 角点检测 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 车型的特征提取 | 第42-55页 |
| ·视觉不变量的概述 | 第42页 |
| ·统计模式识别的概述 | 第42-44页 |
| ·射影不变量 | 第44-46页 |
| ·车型的不变量特征的提取 | 第46-52页 |
| ·车辆的分类标准 | 第47页 |
| ·车辆顶蓬的特征描述 | 第47-49页 |
| ·车辆不变量特征的提取 | 第49-52页 |
| ·关于车辆特征提取的实验结果 | 第52-54页 |
| ·本章总结 | 第54-55页 |
| 第5章 车辆类型识别 | 第55-64页 |
| ·关于贝叶斯的相关理论 | 第56-57页 |
| ·条件概率和概率的乘法定理 | 第56页 |
| ·贝叶斯定理 | 第56页 |
| ·事件的独立性 | 第56-57页 |
| ·贝叶斯分类的基本模型 | 第57-59页 |
| ·有关朴素贝叶斯分类器的车辆类型识别 | 第59-61页 |
| ·实验结果分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
