| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 融合HOG与其他特征 | 第12页 |
| 1.4 现有的HOG改进算法 | 第12-13页 |
| 1.4.1 改进梯度计算模板和参数设置 | 第12页 |
| 1.4.2 改进block块 | 第12-13页 |
| 1.4.3 改进Bin通道的检测算法 | 第13页 |
| 1.5 主要研究工作 | 第13-15页 |
| 1.5.1 研究内容 | 第13-14页 |
| 1.5.2 研究难点 | 第14-15页 |
| 1.6 论文结构 | 第15-16页 |
| 第2章 车辆图像检测相关理论 | 第16-24页 |
| 2.1 图片预处理 | 第16-18页 |
| 2.1.1 灰度化 | 第16-17页 |
| 2.1.2 直方图修正 | 第17页 |
| 2.1.3 噪声处理 | 第17-18页 |
| 2.2 特征提取 | 第18-22页 |
| 2.2.1 Haar特征 | 第18-19页 |
| 2.2.2 Harris角点特征 | 第19-20页 |
| 2.2.3 SIFT特征 | 第20-21页 |
| 2.2.4 HOG特征 | 第21-22页 |
| 2.3 特征分类 | 第22-23页 |
| 2.3.1 Adaboost | 第22页 |
| 2.3.2 SVM分类器 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于局部放大的HOG特征改进算法 | 第24-39页 |
| 3.1 HOG特征提取 | 第24-28页 |
| 3.2 SVM分类器算法 | 第28-33页 |
| 3.3 局部放大的HOG特征 | 第33-35页 |
| 3.4 实验及分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于局部放大HOG与LBP相融合的车辆检测 | 第39-50页 |
| 4.1 LBP特征提取 | 第39-40页 |
| 4.2 加性交叉核SVM分类 | 第40-42页 |
| 4.3 实验结果分析 | 第42-48页 |
| 4.3.1 实验环境 | 第42页 |
| 4.3.2 数据集 | 第42-43页 |
| 4.3.3 实验过程 | 第43-45页 |
| 4.3.4 实验结果 | 第45-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 结论与展望 | 第50-52页 |
| 5.1 结论 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |