车辆多特征识别算法研究与实现
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-15页 |
1.1 课题的依据与研究意义 | 第11页 |
1.2 国内外研究背景 | 第11-12页 |
1.3 车辆多特征识别研究历史与现状 | 第12-14页 |
1.3.1 车牌定位识别 | 第13页 |
1.3.2 车标定位识别 | 第13-14页 |
1.4 本论文的结构框架 | 第14-15页 |
第二章 基于快速特征金字塔的车牌定位算法研究 | 第15-30页 |
2.1 主流车牌定位算法分析 | 第15-16页 |
2.2 快速金子塔特征的理论分析 | 第16-24页 |
2.2.1 图像的特征选择 | 第16-17页 |
2.2.2 快速特征金字塔 | 第17-22页 |
2.2.3 AdaBoost分类器 | 第22-24页 |
2.3 基于快速特征金字塔的车牌定位算法 | 第24-27页 |
2.3.1 提取图像的聚合特征 | 第24-25页 |
2.3.2 利用AdaBoost训练二分类模型 | 第25-26页 |
2.3.3 基于AdaBoost的车牌定位 | 第26-27页 |
2.4 车牌定位算法测试与性能分析 | 第27-29页 |
2.4.1 算法试验测试 | 第27-28页 |
2.4.2 算法性能对比 | 第28-29页 |
2.5 本章小结 | 第29-30页 |
第三章 基于低秩纹理变换不变性的车牌倾斜矫正 | 第30-41页 |
3.1 传统车牌倾斜矫正算法 | 第30-31页 |
3.1.1 基于Hough变换的车牌矫正算法 | 第30页 |
3.1.2 基于Radon变换的车牌倾斜矫正算法 | 第30-31页 |
3.1.3 基于投影的车牌倾斜矫正算法 | 第31页 |
3.2 图像低秩纹理的理论基础 | 第31-35页 |
3.2.1 定义低秩纹理 | 第32-33页 |
3.2.2 形变和损坏的低秩纹理 | 第33-34页 |
3.2.3 通过解决凸优化问题实现低秩纹理的复原 | 第34-35页 |
3.3 TILT算法应用于车牌倾斜矫正 | 第35-37页 |
3.3.1 图像灰度化 | 第35页 |
3.3.2 调整图像的大小 | 第35页 |
3.3.3 高斯滤波 | 第35-36页 |
3.3.4 'affine'核函数 | 第36-37页 |
3.4 TILT算法实验测试 | 第37-40页 |
3.4.1 车牌矫正算法实验 | 第37-39页 |
3.4.2 车牌矫正算法对比分析 | 第39-40页 |
3.5 本章小结 | 第40-41页 |
第四章 基于视觉显著性的二级车标定位算法 | 第41-55页 |
4.1 车标定算法术研究现状 | 第41-42页 |
4.2 基于视觉显著性的车标定位算法 | 第42-45页 |
4.2.1 视觉显著性算法 | 第42-43页 |
4.2.2 视觉显著性算法数学表示 | 第43页 |
4.2.3 视觉显著性算法的理论基础 | 第43-45页 |
4.3 应用视觉显著性算法定位车标 | 第45-50页 |
4.3.1 车标粗定位 | 第45-46页 |
4.3.2 车标精定位 | 第46-50页 |
4.4 算法测试与性能分析 | 第50-53页 |
4.4.1 算法实验测试 | 第51-52页 |
4.4.2 算法性能分析与对比 | 第52-53页 |
4.5 本章小结 | 第53-55页 |
第五章 车标识别算法研究 | 第55-64页 |
5.1 常用的车标识别算法 | 第55-56页 |
5.2 车辆标志特点 | 第56-57页 |
5.3 特征选取 | 第57-58页 |
5.4 支持向量机 | 第58-60页 |
5.4.1 线性可分支持向量机算法 | 第58-59页 |
5.4.2 线性支持向量机 | 第59页 |
5.4.3 非线性支持向量机 | 第59-60页 |
5.5 车标识别算法 | 第60-61页 |
5.6 算法性能分析与对比 | 第61-63页 |
5.6.1 算法实验测试 | 第61-62页 |
5.6.2 算法性能分析与对比 | 第62-63页 |
5.7 本章小结 | 第63-64页 |
第六章 总结与展望 | 第64-66页 |
6.1 总结 | 第64-65页 |
6.2 展望 | 第65-66页 |
致谢 | 第66-67页 |
参考文献 | 第67-71页 |
攻读硕士期间取得的成果 | 第71-72页 |