自然场景中车标识别
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 车标识别技术现状 | 第12-17页 |
| 1.3 本文主要研究内容 | 第17页 |
| 1.4 论文的结构 | 第17-18页 |
| 2 方向梯度直方图算法 | 第18-22页 |
| 2.1 方向梯度直方图算法总体框架 | 第18-19页 |
| 2.2 方向梯度直方图详细算法 | 第19-21页 |
| 2.3 本章总结 | 第21-22页 |
| 3 支持向量机 | 第22-25页 |
| 3.1 线性学习器 | 第22-23页 |
| 3.2 核函数特征空间 | 第23页 |
| 3.3 支持向量机理论 | 第23-24页 |
| 3.4 本章小结 | 第24-25页 |
| 4 基于支持向量机的车标识别方法 | 第25-43页 |
| 4.1 图像预处理 | 第25-27页 |
| 4.2 车标正样本处理 | 第27-31页 |
| 4.3 车标负样本获取 | 第31-33页 |
| 4.4 特征提取算法 | 第33-34页 |
| 4.5 多类分类算法 | 第34-35页 |
| 4.6 训练过程 | 第35-37页 |
| 4.7 识别过程 | 第37-39页 |
| 4.8 实验结果 | 第39-42页 |
| 4.8.1 测试数据集简介 | 第39-40页 |
| 4.8.2 实验结果及分析 | 第40-42页 |
| 4.9 本章小结 | 第42-43页 |
| 5 基于位置和大小先验信息的车标识别 | 第43-51页 |
| 5.1 车标先验信息 | 第43-44页 |
| 5.2 车标位置信息估计 | 第44-46页 |
| 5.3 车标大小信息估计 | 第46-47页 |
| 5.4 车标位置大小信息与原方法结合 | 第47-49页 |
| 5.5 实验结果 | 第49-50页 |
| 5.6 本章小结 | 第50-51页 |
| 6 结论 | 第51-53页 |
| 6.1 工作总结 | 第51页 |
| 6.2 下一步工作介绍 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
