监控视频中的车型识别技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国内外ITS发展现状 | 第12-13页 |
| 1.2.2 车型识别技术的研究现状 | 第13-16页 |
| 1.3 课题研究内容及章节安排 | 第16-17页 |
| 第二章 车辆图像的预处理 | 第17-32页 |
| 2.1 彩色模型 | 第17-21页 |
| 2.1.1 RGB颜色模型 | 第17页 |
| 2.1.2 HSI颜色模型 | 第17-21页 |
| 2.2 彩色图像的灰度化 | 第21-24页 |
| 2.3 灰度图像的噪声滤波 | 第24-25页 |
| 2.3.1 中值滤波 | 第24页 |
| 2.3.2 高斯滤波 | 第24-25页 |
| 2.4 图像的空间域增强 | 第25-32页 |
| 2.4.1 分段线性变换 | 第26-28页 |
| 2.4.2 直方图均衡化 | 第28-30页 |
| 2.4.3 直方图匹配 | 第30-32页 |
| 第三章 车辆图像的特征提取 | 第32-44页 |
| 3.1 引言 | 第32页 |
| 3.2 颜色特征 | 第32-36页 |
| 3.2.1 颜色特征简介 | 第32-33页 |
| 3.2.2 常用的颜色特征提取方法 | 第33-36页 |
| 3.3 代数特征 | 第36-37页 |
| 3.3.1 代数特征简介 | 第36-37页 |
| 3.3.2 代数特征的提取方法 | 第37页 |
| 3.4 车辆的宽度与高度特征 | 第37-39页 |
| 3.4.1 车辆的宽度与高度特征简介 | 第37-38页 |
| 3.4.2 宽度与高度特征的提取方法 | 第38-39页 |
| 3.5 纹理特征 | 第39-44页 |
| 3.5.1 纹理特征简介 | 第39-41页 |
| 3.5.2 纹理特征描述方法 | 第41-44页 |
| 第四章 车型识别系统的设计 | 第44-67页 |
| 4.1 系统环境和开发工具 | 第44页 |
| 4.2 车型识别系统方案 | 第44-47页 |
| 4.3 车辆图像的获取 | 第47-48页 |
| 4.4 车辆图像的预处理 | 第48-49页 |
| 4.5 车辆图像的识别方法 | 第49-52页 |
| 4.6 基于比值特征的车型识别 | 第52-60页 |
| 4.6.1 宽度与高度特征及比值特征的提取 | 第53-56页 |
| 4.6.2 车型识别及实验结果 | 第56-60页 |
| 4.7 基于纹理特征的车型识别 | 第60-67页 |
| 4.7.1 灰度共生矩阵算法 | 第60-63页 |
| 4.7.2 纹理特征的提取 | 第63-64页 |
| 4.7.3 车型识别及实验结果 | 第64-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文 | 第73-75页 |
| 致谢 | 第75页 |
