| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·现研究存在的问题及本文研究的目标 | 第12页 |
| ·本文主要工作和章节安排 | 第12-15页 |
| 第2章 轮胎痕迹图像基础知识及图像处理相关技术简介 | 第15-27页 |
| ·轮胎痕迹图像基础知识 | 第15-17页 |
| ·轮胎痕迹的形成及作用 | 第15-16页 |
| ·数字轮胎痕迹图像的特点 | 第16页 |
| ·轮胎痕迹图像采集 | 第16-17页 |
| ·图像增强基础知识 | 第17-22页 |
| ·空间域图像增强方法 | 第17-20页 |
| ·频率域图像增强方法 | 第20-22页 |
| ·图像特征提取与识别基础知识 | 第22-25页 |
| ·图像特征提取 | 第22-23页 |
| ·图像分类识别 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 基于决策分析的图像增强技术在轮胎痕迹图像椒盐噪声去除中的应用 | 第27-35页 |
| ·椒盐噪声模型及其在轮胎痕迹图像中的特点 | 第27-28页 |
| ·传统的椒盐噪声去除方法 | 第28页 |
| ·基于决策分析的轮胎痕迹图像椒盐噪声滤波方法 | 第28-31页 |
| ·决策分析思想 | 第29页 |
| ·基于决策分析的椒盐噪声滤波方法 | 第29-31页 |
| ·实验结果与分析 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于奇异值分解的图像增强技术在车辆轮胎及痕迹图像增强中的应用 | 第35-43页 |
| ·传统的图像增强方法 | 第35-36页 |
| ·基于分频与奇异值分解的车辆轮胎及痕迹图像增强方法 | 第36-39页 |
| ·分频理论 | 第36-37页 |
| ·奇异值分解及矩阵奇异值增强 | 第37-38页 |
| ·基于分频的奇异值增强算法 | 第38页 |
| ·奇异值增强方法推广到彩色图像 | 第38-39页 |
| ·实验结果与分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 基于组合特征和决策树SVM的图像识别技术在车辆轮胎花纹识别中的应用 | 第43-55页 |
| ·轮胎花纹图像特征提取 | 第43-51页 |
| ·非下采样Contourlet变换 | 第44-45页 |
| ·灰度共生矩阵 | 第45-47页 |
| ·轮胎花纹图像特征提取及选取 | 第47-51页 |
| ·基于决策树SVM的轮胎花纹图像分类识别 | 第51-53页 |
| ·SVM多分类算法 | 第51-52页 |
| ·决策树的构造 | 第52-53页 |
| ·实验结果与分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-59页 |
| ·总结 | 第55-56页 |
| ·本论文的创新点 | 第56页 |
| ·研究展望 | 第56-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间的科研成果 | 第67页 |
