| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-16页 |
| ·课题的研究背景和意义 | 第7-9页 |
| ·车标识别技术发展现状 | 第9-14页 |
| ·车标自动识别系统概述 | 第9-10页 |
| ·课题难点以及有待解决的问题 | 第10页 |
| ·车标识别技术的发展现状 | 第10-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·论文的组织安排 | 第15-16页 |
| 2 图像预处理 | 第16-20页 |
| ·灰度化 | 第16-17页 |
| ·图像平滑 | 第17-20页 |
| 3 模式识别理论基础 | 第20-29页 |
| ·主成分分析 | 第20-22页 |
| ·一维主成分分析(PCA) | 第20-21页 |
| ·二维主成分分析(2DPCA) | 第21-22页 |
| ·独立成分分析(ICA) | 第22-24页 |
| ·支持向量机 | 第24-27页 |
| ·模糊支持向量机 | 第27-29页 |
| 4 基于独立成分分析和支持向量机的车标识别方法 | 第29-35页 |
| ·图像预处理 | 第29页 |
| ·基于2DPCA 的车标图像数据降维 | 第29-30页 |
| ·基于ICA 的车标特征提取 | 第30-31页 |
| ·支持向量机分类器的构造及优化 | 第31-32页 |
| ·实验与结果分析 | 第32-35页 |
| ·实验对象 | 第32-33页 |
| ·实验与结果分析 | 第33-35页 |
| 5 基于独立成分分析和模糊支持向量机的车标识别方法 | 第35-41页 |
| ·图像预处理 | 第35页 |
| ·基于一维 PCA 的车标图像数据降维 | 第35-36页 |
| ·基于 ICA 的车标特征提取 | 第36-37页 |
| ·基于 FSVM 的车标分类器设计 | 第37-39页 |
| ·实验与结果分析 | 第39-41页 |
| ·实验对象 | 第39页 |
| ·实验与结果分析 | 第39-41页 |
| 总结与展望 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 攻读硕士学位期间发表的学术论文情况 | 第44-45页 |
| 致谢 | 第45页 |