基于视频的车辆标识检测算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究现状和意义 | 第8-9页 |
| ·车标识别技术研究动态 | 第9-11页 |
| ·车标定位研究现状 | 第9-10页 |
| ·车标识别研究现状 | 第10-11页 |
| ·本课题的主要内容和工作安排 | 第11-14页 |
| 第二章 车辆图像的提取和处理 | 第14-22页 |
| ·交通车辆的图像提取 | 第14-15页 |
| ·车标图像预处理 | 第15-22页 |
| ·图像灰度化与二值化 | 第15-17页 |
| ·图像的滤波与增强 | 第17-19页 |
| ·图像的腐蚀和膨胀 | 第19-22页 |
| 第三章 车标的定位检测 | 第22-40页 |
| ·车标区域特征分析 | 第22-24页 |
| ·几种常用的车标定位提取检测算法 | 第24-28页 |
| ·边缘直方图算法 | 第24页 |
| ·图像轮廓特征定位提取 | 第24-25页 |
| ·基于纹理特征的Gabor变换 | 第25-26页 |
| ·基于神经网络分类器的车标区域定位方法 | 第26-27页 |
| ·基于区域的车牌区域定位方法 | 第27-28页 |
| ·基于遗传算法的车标区域定位方法 | 第28页 |
| ·基于图像梯度特征的车标定位 | 第28-34页 |
| ·车标的一次粗定位 | 第28-33页 |
| ·车辆图像的水平梯度 | 第30-31页 |
| ·定位车灯区域 | 第31-33页 |
| ·车标的二次精确定位 | 第33-34页 |
| ·水平和垂直梯度垂直投影 | 第33页 |
| ·罗伯特梯度垂直投影 | 第33-34页 |
| ·基于ICA的车标特征提取 | 第34-38页 |
| ·主成分分析 | 第34-37页 |
| ·一维主成分分析 | 第35-36页 |
| ·二维主成分分析 | 第36-37页 |
| ·独立成分分析 | 第37页 |
| ·基于ICA的车标特征提取 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于FSVM的车标识别算法 | 第40-46页 |
| ·引言 | 第40页 |
| ·模糊支持向量机 | 第40-41页 |
| ·模板匹配定位车标 | 第41-43页 |
| ·基于FSVM的车标分类器设计 | 第43-46页 |
| 第五章 总结与展望 | 第46-48页 |
| ·总结 | 第46页 |
| ·展望 | 第46-48页 |
| 致谢 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 附录A 攻读学位期间的研究成果 | 第54页 |
