| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 计算机视觉国内外研究现状 | 第13-15页 |
| 1.3 轮型识别现状及相关领域分析 | 第15-16页 |
| 1.4 研究内容 | 第16-17页 |
| 1.5 论文结构 | 第17-18页 |
| 第2章 基于多特征融合的轮型识别 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 轮毂图像去噪处理 | 第18-20页 |
| 2.2.1 轮毂图像均值滤波 | 第18页 |
| 2.2.2 轮毂图像中值滤波 | 第18-19页 |
| 2.2.3 轮毂图像双边滤波 | 第19-20页 |
| 2.3 轮毂图像二值化 | 第20页 |
| 2.4 轮毂图像边缘检测 | 第20-25页 |
| 2.4.1 针对轮毂图像的Roberts算子处理 | 第21-22页 |
| 2.4.2 针对轮毂图像的Prewitt和Sobel算子处理 | 第22-23页 |
| 2.4.3 针对轮毂图像的Canny算子处理 | 第23-25页 |
| 2.5 Hough圆变换 | 第25页 |
| 2.6 轮毂多特征融合 | 第25-27页 |
| 2.6.1 计算轮毂半径 | 第25-26页 |
| 2.6.2 计算轮毂孔洞面积比 | 第26页 |
| 2.6.3 计算轮辐个数 | 第26-27页 |
| 2.7 实验结果 | 第27-28页 |
| 2.8 本章小结 | 第28-29页 |
| 第3章 基于形状匹配及纹理筛选的轮型识别 | 第29-38页 |
| 3.1 引言 | 第29页 |
| 3.2 形状匹配算法研究 | 第29-31页 |
| 3.2.1 最小距离模板匹配 | 第29-30页 |
| 3.2.2 像素自内而外的遍历方式 | 第30-31页 |
| 3.2.3 轮辐形状的meanshift自适应聚类算法 | 第31页 |
| 3.3 轮毂图像随机游走 | 第31-34页 |
| 3.3.1 游走者遍历全图 | 第32-33页 |
| 3.3.2 随机游走直方图相似度比较 | 第33-34页 |
| 3.4 实验结果 | 第34-37页 |
| 3.4.1 基于形状匹配实验结果 | 第34-35页 |
| 3.4.2 基于随机游走实验结果 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于指数权重VLAD特征的轮型识别 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 轮毂图像VLAD向量提取 | 第38-45页 |
| 4.2.1 轮毂图像的局部描述子提取 | 第38-40页 |
| 4.2.2 轮毂图像局部描述子聚类 | 第40-41页 |
| 4.2.3 聚类中心的K近邻查找 | 第41-42页 |
| 4.2.4 对轮毂特征进行PCA降维 | 第42页 |
| 4.2.5 指数权重VLAD | 第42-44页 |
| 4.2.6 VLAD特征归一化 | 第44-45页 |
| 4.3 VLAD向量的相似度度量 | 第45-46页 |
| 4.3.1 轮毂图像VLAD特征的欧氏距离 | 第45页 |
| 4.3.2 轮毂图像VLAD特征的余弦距离 | 第45-46页 |
| 4.3.3 轮毂图像VLAD特征的Hellinger距离 | 第46页 |
| 4.4 实验结果 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 轮型识别过程及结果分析 | 第50-61页 |
| 5.1 算法流程及实验装置 | 第50-51页 |
| 5.2 实验过程 | 第51-53页 |
| 5.2.1 建立多特征融合的轮型信息库 | 第51页 |
| 5.2.2 建立形状匹配及纹理筛选的轮型信息库 | 第51-53页 |
| 5.2.3 建立VLAD轮型信息库 | 第53页 |
| 5.3 实验结果分析 | 第53-56页 |
| 5.4 轮型识别界面设计 | 第56-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间承担的科研任务与主要研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
