| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·车型分类技术简介 | 第9-10页 |
| ·本文研究目的及意义 | 第10-12页 |
| ·车标识别技术研究现状 | 第12-14页 |
| ·车标定位相关技术方法 | 第12-13页 |
| ·车标识别相关技术方法 | 第13-14页 |
| 2 小波矩 | 第14-18页 |
| ·引言 | 第14页 |
| ·小波矩基本原理 | 第14-15页 |
| ·矩的一般表达式 | 第14-15页 |
| ·极坐标下的小波矩 | 第15页 |
| ·图像小波矩的构造方法 | 第15-18页 |
| 3 Adaboost 学习算法研究 | 第18-26页 |
| ·引言 | 第18页 |
| ·Boosting 算法背景 | 第18-19页 |
| ·Adaboost 算法的基本原理 | 第19-23页 |
| ·Adaboost 学习算法的理论分析 | 第23-26页 |
| ·Adaboost 算法的训练错误率分析 | 第23页 |
| ·泛化误差（推广错误率）分析 | 第23-24页 |
| ·Adaboost 算法的优缺点 | 第24-26页 |
| 4 汽车标志的定位 | 第26-50页 |
| ·引言 | 第26-28页 |
| ·基于先验知识的车标粗定位 | 第28-30页 |
| ·基于改进Adaboost 学习算法的车标精确定位 | 第30-41页 |
| ·改进Adaboost 学习算法 | 第33-34页 |
| ·Adaboost 算法车标定位训练样本库的建立 | 第34-35页 |
| ·弱分类器的设计 | 第35-36页 |
| ·强分类器的设计 | 第36-38页 |
| ·级联分类器的设计 | 第38-41页 |
| ·车标定位实验 | 第41-48页 |
| ·Adaboost 级联检测器的训练与分析 | 第41-42页 |
| ·车标定位过程 | 第42-48页 |
| ·本章小结 | 第48-50页 |
| 5 汽车标志的识别 | 第50-59页 |
| ·引言 | 第50-51页 |
| ·基于Adaboost 学习算法的车标识别 | 第51-53页 |
| ·训练样本库的建立 | 第51-52页 |
| ·分类器设计 | 第52-53页 |
| ·基于简单模板匹配的车标标识别 | 第53-54页 |
| ·基于特征匹配的车标识别 | 第54-56页 |
| ·小波矩标准特征模板库的生成 | 第55页 |
| ·基于Adaboost 学习算法的特征降维 | 第55页 |
| ·基于小波矩特征的最小距离分类器 | 第55-56页 |
| ·车标识别实验 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 结论 | 第59-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间学术论文及科研情况 | 第65-66页 |
| 致谢 | 第66-67页 |