| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 第1章 绪论 | 第8-10页 |
| 1．1 引言 | 第8页 |
| 1．2 识别研究的难点及意义 | 第8-10页 |
| 第2章 汽车图像预处理 | 第10-24页 |
| 2．1 引言 | 第10页 |
| 2．2 汽车图像的获取及格式转换 | 第10-12页 |
| 2．3 图像平滑 | 第12-15页 |
| 2．4 图像增强 | 第15-16页 |
| 2．5 图像分割和特征提取 | 第16-20页 |
| 2．5．1 图像分割 | 第16-17页 |
| 2．5．2 特征提取 | 第17-20页 |
| 2．5．2．1 边缘检测 | 第17-19页 |
| 2．5．2．2 图像的二值化 | 第19-20页 |
| 2．5．2．3 二值图像的处理 | 第20页 |
| 2．6 汽车车体的处理 | 第20-23页 |
| 2．7 本章小结 | 第23-24页 |
| 第3章 特征提取 | 第24-31页 |
| 3．1 引言 | 第24页 |
| 3．2 特征提取的内容 | 第24页 |
| 3．3 特征的确定 | 第24-25页 |
| 3．4 特征值的提取 | 第25-30页 |
| 3．4．1 跟踪方法 | 第26-30页 |
| 3．5 本章小结 | 第30-31页 |
| 第4章 汽车的识别 | 第31-47页 |
| 4．1 引言 | 第31页 |
| 4．2 识别方法 | 第31-33页 |
| 4．3 人工神经元网络的组成要素及特点 | 第33-45页 |
| 4．3．1 人工神经元网络的组成要素 | 第33-34页 |
| 4．3．2 神经网络的特点 | 第34-35页 |
| 4．3．3 神经网络分类器的选择 | 第35-36页 |
| 4．3．4 BP算法及其改进 | 第36-42页 |
| 4．3．4．1 BP网络的基本结构 | 第36-37页 |
| 4．3．4．2 标准BP学习算法 | 第37-40页 |
| 4．3．4．3 BP网络算法 | 第40页 |
| 4．3．4．4 BP学习算法的改进 | 第40-42页 |
| 4．3．5 汽车识别的神经网络群方法 | 第42-45页 |
| 4．3．5．1 生物神经理论 | 第42-43页 |
| 4．3．5．2 神经网络群模型 | 第43页 |
| 4．3．5．3 神经网络群特点 | 第43-44页 |
| 4．3．5．4 汽车识别中的神经网络群分类器的构造 | 第44-45页 |
| 4．4 汽车识别系统的组成 | 第45-46页 |
| 4．4．1 汽车识别系统的硬环境 | 第45页 |
| 4．4．2 汽车识别系统的软环境 | 第45-46页 |
| 4．5 本章小结 | 第46-47页 |
| 第5章 自动汽车识别的实现 | 第47-51页 |
| 5．1 引言 | 第47页 |
| 5．2 图像的获取 | 第47页 |
| 5．3 汽车图像的预处理 | 第47页 |
| 5．4 汽车轮廓特征的选择与提取 | 第47-48页 |
| 5．5 分类器的设计 | 第48页 |
| 5．6 汽车图像识别结果与分析 | 第48-50页 |
| 5．6．1 传统的分类方法与神经网络方法识别结果的比较 | 第48-49页 |
| 5．6．2 针对带有背景图像的分析结果 | 第49页 |
| 5．6．3 单BP网络分类器与神经网络群分类器识别结果比较 | 第49-50页 |
| 5．7 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第55-56页 |
| 致谢 | 第56页 |
