基于改进SIFT算法的车标识别
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 车标识别技术发展现状 | 第11-13页 |
| 1.2.1 车标定位技术发展现状 | 第11-12页 |
| 1.2.2 车标识别技术发展现状 | 第12-13页 |
| 1.3 论文的研究内容和组织结构 | 第13-15页 |
| 1.3.1 论文研究内容 | 第13-14页 |
| 1.3.2 论文组织结构 | 第14-15页 |
| 第2章 由粗到精的车标定位 | 第15-27页 |
| 2.1 车标识别过程简介 | 第15-16页 |
| 2.2 待测车辆的车标定位算法 | 第16-21页 |
| 2.2.1 基于先验知识的车标粗定位 | 第17-19页 |
| 2.2.2 车标矩形图像的预处理 | 第19页 |
| 2.2.3 基于模板匹配和边缘检测的车标精定位 | 第19-20页 |
| 2.2.4 基于边缘检测和形态滤波的车标精定位 | 第20-21页 |
| 2.3 车标定位实验结果与分析 | 第21-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于SIFT的车标特征提取和特征匹配 | 第27-46页 |
| 3.1 常用的图像特征和车标图像的特点 | 第27-28页 |
| 3.2 车标模板的制作 | 第28-29页 |
| 3.3 车标SIFT特征向量的提取 | 第29-39页 |
| 3.3.1 车标图像尺度空间的极值检测 | 第30-32页 |
| 3.3.2 精确定位车标图像中特征点位置 | 第32-34页 |
| 3.3.3 确定车标图像特征点主方向 | 第34-35页 |
| 3.3.4 生成车标图像SIFT特征向量 | 第35-39页 |
| 3.4 车标SIFT特征向量的匹配 | 第39-45页 |
| 3.4.1 算法说明 | 第40-41页 |
| 3.4.2 Kd树算法 | 第41-43页 |
| 3.4.3 BBF搜索算法 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于GS-SIFT的车标识别方法 | 第46-60页 |
| 4.1 GS-SIFT算法 | 第46-49页 |
| 4.1.1 GS-SIFT特征描述子的生成 | 第46-48页 |
| 4.1.2 GS-SIFT特征描述子的匹配 | 第48-49页 |
| 4.2 车标识别对比实验与分析 | 第49-59页 |
| 4.2.1 实验环境 | 第49-50页 |
| 4.2.2 评价指标 | 第50页 |
| 4.2.3 两种车标识别的算法实验结果与分析 | 第50-59页 |
| 4.3 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |
