| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 本文研究内容与框架 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究框架 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 2 预处理方法对比分析 | 第19-26页 |
| 2.1 获取感兴趣道路区域 | 第19-20页 |
| 2.2 现有的预处理方法分析 | 第20-23页 |
| 2.2.1 线性变换增强法分析 | 第21-23页 |
| 2.2.2 中值滤波和高斯滤波平滑法分析 | 第23页 |
| 2.3 本文采用的预处理方法分析 | 第23-25页 |
| 2.3.1 Sobel边缘滤波方法 | 第23-24页 |
| 2.3.2 方法效果分析 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 车辆分割与最优尺度确定方法 | 第26-39页 |
| 3.1 面向对象的多尺度分割方法 | 第26-28页 |
| 3.1.1 多尺度分割算法 | 第26-27页 |
| 3.1.2 构建车辆识别的影像对象层 | 第27-28页 |
| 3.2 最优尺度选择与车辆对象类型 | 第28-30页 |
| 3.2.1 最优尺度选择依据 | 第28-29页 |
| 3.2.2 车辆对象类型 | 第29-30页 |
| 3.3 常用车辆最优尺度确定方法分析 | 第30页 |
| 3.4 本文最优尺度确定方法:全局车辆面积最大法 | 第30-37页 |
| 3.3.1 车辆面积稳定性分析 | 第31页 |
| 3.3.2 车辆分割特点分析 | 第31-32页 |
| 3.3.3 全局车辆面积最大法 | 第32-33页 |
| 3.3.4 实例应用分析 | 第33-37页 |
| 3.5 与常用RMAS法对比分析 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 车辆识别的双分类器方法 | 第39-51页 |
| 4.1 常用的车辆分类方法分析 | 第39页 |
| 4.2 车辆对象的多特征分析 | 第39-43页 |
| 4.3 建立车辆多特征类描述 | 第43-44页 |
| 4.4 本文采用的双分类器方法 | 第44-49页 |
| 4.4.1 亮色车辆的多特征阈值分类器 | 第44-45页 |
| 4.4.2 暗色车辆模糊规则分类器 | 第45-48页 |
| 4.4.3 多特征阈值-模糊规则分类器 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 5 实例验证 | 第51-67页 |
| 5.1 已有研究中的应用数据 | 第51页 |
| 5.2 本文数据说明 | 第51-55页 |
| 5.3 车辆识别实验 | 第55-62页 |
| 5.3.1 Worldview-2影像车辆分类识别 | 第55-58页 |
| 5.3.2 Geoeye-1影像车辆分类识别 | 第58-59页 |
| 5.3.3 Worldview-3影像车辆分类识别 | 第59-62页 |
| 5.4 结果分析 | 第62-65页 |
| 5.5 本章小结 | 第65-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 论文总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第72-74页 |
| 学位论文数据集 | 第74页 |