基于图像识别的车型自动分类系统
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题研究背景和意义 | 第9-10页 |
| ·车型分类系统的发展现状 | 第10-12页 |
| ·基于图像识别的车型分类系统研究现状 | 第12-14页 |
| ·本文的主要研究内容和和结构安排 | 第14-17页 |
| 第二章 图像处理与车型分类 | 第17-32页 |
| ·图像处理基本知识 | 第17-26页 |
| ·区域分割 | 第17-20页 |
| ·图像边缘检测 | 第20-21页 |
| ·数学形态学运算 | 第21-24页 |
| ·Hough圆检测 | 第24-26页 |
| ·车辆区域提取方法 | 第26-27页 |
| ·光流法 | 第26页 |
| ·相邻帧差分法 | 第26-27页 |
| ·背景消减法 | 第27页 |
| ·车辆形状特征描述 | 第27-31页 |
| ·标量描述技术 | 第28-30页 |
| ·空间域描述技术 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 人工神经网络与车型分类 | 第32-48页 |
| ·人工神经网络基本理论 | 第32-37页 |
| ·人工神经网络的基本特征与功能 | 第32-33页 |
| ·人工神经元模型 | 第33-34页 |
| ·人工神经网络的学习规则 | 第34-37页 |
| ·常用人工神经网络模型的比较 | 第37-43页 |
| ·基于BP算法的多层前馈网络 | 第37-39页 |
| ·自组织特征映射(SOM)神经网络 | 第39-40页 |
| ·Hopfield神经网络 | 第40-41页 |
| ·CMAC神经网络 | 第41-43页 |
| ·人工神经网络在车型分类中的应用 | 第43-46页 |
| ·车型分类问题描述 | 第43-44页 |
| ·人工神经网络的分类能力 | 第44页 |
| ·BP网络在车型分类中的优势 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 车辆图像处理和特征提取 | 第48-66页 |
| ·车型分类标准 | 第48-49页 |
| ·运动目标车辆提取 | 第49-58页 |
| ·背景消减法检测目标车辆 | 第49-51页 |
| ·车辆图像分割 | 第51-53页 |
| ·图像噪声滤波 | 第53-54页 |
| ·目标车辆区域填充 | 第54-58页 |
| ·车辆特征提取 | 第58-65页 |
| ·车辆特征的选择 | 第58-61页 |
| ·提取车辆特征参数 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 基于BP神经网络的分类器设计 | 第66-78页 |
| ·网络结构设计 | 第66-68页 |
| ·初始权值的设计 | 第66页 |
| ·隐层数的设计 | 第66-68页 |
| ·训练样本的准备 | 第68-70页 |
| ·BP神经网络的训练 | 第70-73页 |
| ·实验结果与分析 | 第73-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 结论与展望 | 第78-80页 |
| 参考文献 | 第80-82页 |
| 致谢 | 第82页 |
