| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-25页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 车辆图像检索技术国内外发展现状 | 第15-20页 |
| 1.2.1 图像检索研究现状 | 第15-17页 |
| 1.2.2 车辆检索技术研究现状 | 第17-19页 |
| 1.2.3 现阶段存在的问题以及发展趋势 | 第19-20页 |
| 1.3 本文主要工作和创新点 | 第20-22页 |
| 1.3.1 主要工作内容 | 第20-21页 |
| 1.3.2 本文创新点 | 第21-22页 |
| 1.4 论文结构安排 | 第22-25页 |
| 2 车辆图像的预处理及检索评价标准介绍 | 第25-35页 |
| 2.1 引言 | 第25页 |
| 2.2 灰度化 | 第25-27页 |
| 2.3 图像增强 | 第27-29页 |
| 2.3.1 灰度变换增强 | 第27-28页 |
| 2.3.2 直方图均衡化 | 第28-29页 |
| 2.4 一般视觉特征提取 | 第29-33页 |
| 2.4.1 颜色特征提取 | 第30-32页 |
| 2.4.2 纹理特征提取 | 第32-33页 |
| 2.5 检索效果评价标准 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 3 基于CNN的车型识别方法 | 第35-49页 |
| 3.1 引言 | 第35-36页 |
| 3.2 CNN算法原理介绍 | 第36-39页 |
| 3.3 AlexNet模型分析 | 第39-43页 |
| 3.3.1 模型选择 | 第39-40页 |
| 3.3.2 AlexNet模型分析 | 第40-43页 |
| 3.4 车辆样本设计以及训练参数设置 | 第43-45页 |
| 3.5 实验结果与分析 | 第45-46页 |
| 3.6 本章小结 | 第46-49页 |
| 4 基于ASIFT的车辆检索方法 | 第49-69页 |
| 4.1 引言 | 第49-50页 |
| 4.2 SIFT原理介绍 | 第50-54页 |
| 4.3 提取SIFT特征描述子 | 第54-55页 |
| 4.4 构建ASIFT特征描述子 | 第55-58页 |
| 4.5 构建多特征融合向量 | 第58-59页 |
| 4.6 相似度计算方法介绍 | 第59-60页 |
| 4.7 剔除错误匹配对 | 第60-64页 |
| 4.8 排除干扰车辆 | 第64页 |
| 4.9 实验结果与分析 | 第64-67页 |
| 4.10 本章小结 | 第67-69页 |
| 5 基于CNN-ASIFT的车辆分级检索模型的实现 | 第69-76页 |
| 5.1 车辆分级检索模型概述 | 第69-70页 |
| 5.2 模块分析 | 第70-73页 |
| 5.2.1 预处理模块 | 第71页 |
| 5.2.2 CNN车型识别模块 | 第71-72页 |
| 5.2.3 多特征描述向量构建模块 | 第72-73页 |
| 5.2.4 特征匹配与检索模块 | 第73页 |
| 5.3 实验结果与分析 | 第73-74页 |
| 5.4 本章小结 | 第74-76页 |
| 6 总结与展望 | 第76-79页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 个人简历 | 第83-84页 |
| 致谢 | 第84页 |