基于图像内容的交通车辆识别关键技术
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 车辆检测 | 第10-11页 |
| 1.2.2 车标定位 | 第11页 |
| 1.2.3 车标识别 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 第2章 车辆检测 | 第14-24页 |
| 2.1 图像预处理 | 第14-18页 |
| 2.1.1 图像灰度化 | 第14-15页 |
| 2.1.2 图像去噪 | 第15-17页 |
| 2.1.3 图像增强 | 第17-18页 |
| 2.2 Adaboost车辆检测算法 | 第18-20页 |
| 2.2.1 类Haar特征 | 第18-19页 |
| 2.2.2 Adaboost分类器训练 | 第19-20页 |
| 2.3 实验结果与分析 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 基于先验知识的车标定位方法 | 第24-29页 |
| 3.1 基于先验知识的车标粗定位 | 第24-25页 |
| 3.2 车标的精确定位 | 第25-28页 |
| 3.2.1 基于边缘检测的车标上下边界定位 | 第25-26页 |
| 3.2.2 基于背景纹理抑制的车标左右边界定位 | 第26-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 基于判别低秩矩阵恢复和稀疏表示的车标识别 | 第29-38页 |
| 4.1 稀疏表示理论 | 第29-30页 |
| 4.2 稀疏表示识别 | 第30页 |
| 4.3 判别低秩矩阵恢复 | 第30-31页 |
| 4.4 本文算法 | 第31-35页 |
| 4.4.1 加入正则项的判别低秩矩阵恢复 | 第31-34页 |
| 4.4.2 低秩矩阵映射 | 第34-35页 |
| 4.5 本文车标识别的实现 | 第35-37页 |
| 4.5.1 车标识别步骤 | 第35页 |
| 4.5.2 实验结果及分析 | 第35-37页 |
| 4.6 本章小结 | 第37-38页 |
| 第5章 基于字典优化和鲁棒协同表示的车标识别 | 第38-46页 |
| 5.1 车标特征提取 | 第38-39页 |
| 5.2 鲁棒协同表示算法 | 第39-41页 |
| 5.2.1 鲁棒协同表示模型 | 第39-41页 |
| 5.2.2 基于迭代加权的鲁棒协同表示识别步骤 | 第41页 |
| 5.3 基于Fisher准则的特征字典优化 | 第41-43页 |
| 5.3.1 基于Fisher准则的字典学习算法 | 第42-43页 |
| 5.3.2 目标函数的优化 | 第43页 |
| 5.4 基于字典优化和鲁棒协同表示的车标识别 | 第43-44页 |
| 5.4.1 方法步骤描述 | 第43-44页 |
| 5.4.2 实验结果及分析 | 第44页 |
| 5.5 本章小结 | 第44-46页 |
| 第6章 结论与展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第51-52页 |
| 致谢 | 第52页 |
