| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 车标检测技术 | 第9-11页 |
| 1.2.2 车标识别技术 | 第11-12页 |
| 1.3 本文研究目标及内容 | 第12-15页 |
| 1.3.1 研究目标 | 第12页 |
| 1.3.2 主要研究内容 | 第12-15页 |
| 第二章 车标检测算法研究 | 第15-43页 |
| 2.1 引言 | 第15-16页 |
| 2.2 车辆倾斜检测与校正 | 第16-25页 |
| 2.2.1 SIFT算法描述 | 第16-20页 |
| 2.2.2 基于SIFT算子的车辆倾斜检测与校正算法 | 第20-24页 |
| 2.2.3 实验分析 | 第24-25页 |
| 2.3 基于Adaboost的车牌定位算法 | 第25-31页 |
| 2.3.1 Harr特征 | 第25-27页 |
| 2.3.2 基于Adaboost的车牌检测算法 | 第27-29页 |
| 2.3.3 结合车牌特征属性的Adaboost车牌检测 | 第29-31页 |
| 2.4 基于车牌位置的车标粗定位算法 | 第31-33页 |
| 2.5 车标精定位算法 | 第33-41页 |
| 2.5.1 基于背景纹理抑制车标精定位算法 | 第33-34页 |
| 2.5.2 基于子块像素强度和权重矩阵的车标精定位 | 第34-40页 |
| 2.5.3 实验分析 | 第40-41页 |
| 2.6 本章小结 | 第41-43页 |
| 第三章 基于SIFT和词袋模型的车标识别算法研究 | 第43-59页 |
| 3.1 引言 | 第43页 |
| 3.2 车标特征提取 | 第43-47页 |
| 3.2.1 稠密尺度不变特征(Dense-SIFT)提取算法 | 第44-46页 |
| 3.2.2 基于SIFT及Dense-SIFT组合的特征提取算法 | 第46-47页 |
| 3.3 车标特征的词袋模型描述 | 第47-53页 |
| 3.3.1 词袋模型介绍 | 第47页 |
| 3.3.2 构建车标特征集合的视觉词典 | 第47-49页 |
| 3.3.3 车标视觉词典直方图描述 | 第49-51页 |
| 3.3.4 结合空间金字塔的车标视觉词典直方图描述 | 第51-52页 |
| 3.3.5 实验分析 | 第52-53页 |
| 3.4 支持向量机车标分类器设计 | 第53-59页 |
| 3.4.1 支持向量机原理 | 第54-55页 |
| 3.4.2 车标多分类支持向量机设计 | 第55-57页 |
| 3.4.3 实验分析 | 第57-59页 |
| 第四章 车标识别软件设计与实现 | 第59-69页 |
| 4.1 软件功能与架构 | 第59页 |
| 4.2 软件开发环境 | 第59-60页 |
| 4.3 核心软件模块设计与实现 | 第60-62页 |
| 4.3.1 车标检测模块设计 | 第60-61页 |
| 4.3.2 车标识别模块设计 | 第61-62页 |
| 4.4 软件测试 | 第62-67页 |
| 4.4.1 软件功能测试 | 第63-66页 |
| 4.4.2 软件性能测试 | 第66-67页 |
| 4.5 本章小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 总结 | 第69页 |
| 5.2 展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的学术成果 | 第77页 |
