| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 背景及研究意义 | 第9页 |
| 1.2 车标检测技术的研究现状 | 第9-12页 |
| 1.3 车标识别重点与难点分析 | 第12-14页 |
| 1.4 论文研究内容与结构安排 | 第14-16页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 结构安排 | 第15-16页 |
| 第2章 基于图像块筛选和特征匹配的车标定位 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 车标定位的整体流程设计 | 第16-17页 |
| 2.3 图像采集及预处理工作 | 第17-22页 |
| 2.3.1 图像采集 | 第17页 |
| 2.3.2 图像预处理 | 第17-22页 |
| 2.4 基于先验知识的车标初定位 | 第22-23页 |
| 2.4.1 车牌定位 | 第22页 |
| 2.4.2 车标初定位 | 第22-23页 |
| 2.5 基于背景纹理的车标定位 | 第23-27页 |
| 2.5.1 纹理特征 | 第23-26页 |
| 2.5.2 投影定位 | 第26-27页 |
| 2.6 基于分块筛选与匹配的车标精确定位 | 第27-30页 |
| 2.6.1 图像分割与筛选 | 第27-29页 |
| 2.6.2 SIFT特征匹配 | 第29-30页 |
| 2.6.3 车标定位实验 | 第30页 |
| 2.7 车标样本库的构建 | 第30-31页 |
| 2.8 本章小结 | 第31-32页 |
| 第3章 基于HOG与LBP融合特征的车标特征提取 | 第32-43页 |
| 3.1 引言 | 第32页 |
| 3.2 图像特征提取方法对比研究 | 第32-37页 |
| 3.2.1 基于Hu不变矩的特征提取方法 | 第33页 |
| 3.2.2 基于LBP的特征提取方法 | 第33-36页 |
| 3.2.3 基于HOG的特征提取方法 | 第36-37页 |
| 3.3 基于主成分分析的特征降维 | 第37-38页 |
| 3.4 基于融合特征的车标特征表达 | 第38-40页 |
| 3.5 车标特征的实验对比 | 第40-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 基于Adaboost与SVM相结合的车标识别 | 第43-62页 |
| 4.1 引言 | 第43页 |
| 4.2 车标分类器设计的基本流程 | 第43页 |
| 4.3 支持向量机 | 第43-50页 |
| 4.3.1 SVM理论背景与数学模型 | 第44-46页 |
| 4.3.2 SVM多分类问题 | 第46-50页 |
| 4.4 基于Adaboost与SVM相结合的车标识别方法 | 第50-54页 |
| 4.4.1 Adaboost理论 | 第50-52页 |
| 4.4.2 SVM与Adaboost联合分类器设计 | 第52-54页 |
| 4.5 实验与结果分析 | 第54-60页 |
| 4.5.1 实验数据 | 第55页 |
| 4.5.2 实验平台与环境 | 第55-57页 |
| 4.5.3 实验流程设计 | 第57-58页 |
| 4.5.4 分类器对比实验 | 第58-60页 |
| 4.6 本章小结 | 第60-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-69页 |
| 致谢 | 第69页 |
