| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-14页 |
| 第一章 绪论 | 第14-25页 |
| 1．1 选题背景 | 第14-15页 |
| 1．2 ITS的发展及其研究内容 | 第15-18页 |
| 1．2．1 ITS的发展现状 | 第15-16页 |
| 1．2．2 ITS的研究内容 | 第16-17页 |
| 1．2．3 ITS的意义 | 第17-18页 |
| 1．3 自动车辆识别技术及其应用 | 第18-22页 |
| 1．3．1 车型识别技术 | 第19-20页 |
| 1．3．2 车辆颜色识别技术 | 第20页 |
| 1．3．3 车辆阴影分割 | 第20-21页 |
| 1．3．4 自动车辆识别技术的应用 | 第21-22页 |
| 1．4 自动车辆识别传感器的发展趋势 | 第22-23页 |
| 1．5 本文研究工作及内容安排 | 第23-25页 |
| 第二章 支持向量机理论 | 第25-43页 |
| 2．1 引言 | 第25页 |
| 2．2 两类支持向量机 | 第25-32页 |
| 2．2．1 最优分离超平面 | 第26-28页 |
| 2．2．2 广义最优分离超平面 | 第28-30页 |
| 2．2．3 高维空间中的最优分离超平面 | 第30-31页 |
| 2．2．4 支持向量机 | 第31-32页 |
| 2．2．5 Gauss核支持向量机 | 第32页 |
| 2．3 两类支持向量机的推广能力 | 第32-38页 |
| 2．3．1 实现了结构风险最小化的思想 | 第34-35页 |
| 2．3．2 有效避免维数灾难问题 | 第35-36页 |
| 2．3．3 有效解决过学习问题 | 第36-37页 |
| 2．3．4 支持向量机推广能力的界 | 第37-38页 |
| 2．4 多类支持向量机 | 第38-41页 |
| 2．4．1 l-v-r方法 | 第39页 |
| 2．4．2 l-v-l方法 | 第39-40页 |
| 2．4．3 有向无环决策图(DAG)方法 | 第40页 |
| 2．4．4 k类支持向量机方法 | 第40-41页 |
| 2．5 几种多类支持向量机的分类能力比较 | 第41-42页 |
| 2．6 本章小结 | 第42-43页 |
| 第三章 基于支持向量机的汽车颜色识别 | 第43-68页 |
| 3．1 引言 | 第43-45页 |
| 3．2 一种快速的多类别SVM单象素颜色识别方法 | 第45-52页 |
| 3．2．1 颜色模型的选择 | 第46-47页 |
| 3．2．2 车辆颜色各类别之间的线性可分性分析 | 第47-49页 |
| 3．2．3 SVM数量的优化 | 第49-50页 |
| 3．2．4 实验及结果分析 | 第50-52页 |
| 3．3 一种提高SVM稳定性的方法 | 第52-58页 |
| 3．3．1 边缘点和样本数量不均衡对超平面的影响 | 第52-54页 |
| 3．3．2 提高SVM稳定性的方法 | 第54-57页 |
| 3．3．3 改进的模糊支持向量机 | 第57-58页 |
| 3．4 模糊logistic回归支持向量机 | 第58-64页 |
| 3．4．1 无法判明类别的阴影区域问题 | 第59-60页 |
| 3．4．2 Logistic回归 | 第60-62页 |
| 3．4．3 Logistic回归与SVM逼近 | 第62-63页 |
| 3．4．4 基于模糊集理论的logistic回归SVM | 第63-64页 |
| 3．5 基于D-S证据理论的车身颜色识别方法 | 第64-66页 |
| 3．5．1 D-S证据理论及其改进 | 第64-65页 |
| 3．5．2 基于D-S证据理论的车身颜色识别 | 第65-66页 |
| 3．6 部分实验结果及分析 | 第66-67页 |
| 3．7 本章小结 | 第67-68页 |
| 第四章 汽车阴影分割 | 第68-99页 |
| 4．1 阴影的形成及其对物体表面颜色值的影响 | 第68-71页 |
| 4．1．1 阴影的形成 | 第69-70页 |
| 4．1．2 物体表面的光照模型 | 第70-71页 |
| 4．2 阴影分割方法 | 第71-83页 |
| 4．2．1 基于颜色恒常性的阴影分割方法 | 第72-75页 |
| 4．2．2 确定性模型阴影分割方法 | 第75页 |
| 4．2．3 参数统计阴影分割方法 | 第75-77页 |
| 4．2．4 非参数统计阴影分割方法 | 第77-79页 |
| 4．2．5 非模型阴影分割方法 | 第79-83页 |
| 4．3 现有阴影分割方法中存在的问题 | 第83-84页 |
| 4．4 基于颜色比值变化特征的汽车阴影分割 | 第84-92页 |
| 4．4．1 增加了镜面反射光强度的阴影比值模型 | 第84-86页 |
| 4．4．2 阴影区域环境光遮挡系数F(x，y) | 第86-87页 |
| 4．4．3 阴影区域内三分量之间M(x，y)的关系 | 第87-89页 |
| 4．4．4 阴影分割实施步骤 | 第89-91页 |
| 4．4．5 实验结果及讨论 | 第91-92页 |
| 4．5 基于小波变换的运动汽车阴影分割 | 第92-98页 |
| 4．5．1 小波变换理论 | 第93-94页 |
| 4．5．2 M(x，y)的小波分解系数特征 | 第94-96页 |
| 4．5．3 阴影线斜率的确定 | 第96页 |
| 4．5．4 基于小波变换的运动汽车阴影分割步骤 | 第96页 |
| 4．5．5 实验结果与讨论 | 第96-98页 |
| 4．6 本章小节 | 第98-99页 |
| 第五章 车窗定位 | 第99-112页 |
| 5．1 车型识别方法概述 | 第99-104页 |
| 5．1．1 基于模糊模式识别的车型识别方法 | 第100-102页 |
| 5．1．2 基于人工神经网络的车型识别方法 | 第102-103页 |
| 5．1．3 基于视频传感器的车型识别系统 | 第103-104页 |
| 5．2 HSV颜色空间模型 | 第104-106页 |
| 5．2．1 HSV颜色空间模型描述 | 第104-105页 |
| 5．2．2 HSV颜色空间的色度奇异性 | 第105-106页 |
| 5．3 车身各区域在NSV颜色空间的色差特征 | 第106-107页 |
| 5．4 基于色差均值的车窗定位 | 第107-110页 |
| 5．4．1 邻域色差均值函数 | 第107页 |
| 5．4．2 纹理检测函数 | 第107-109页 |
| 5．4．3 实验结果与分析 | 第109-110页 |
| 5．5 本章小节 | 第110-112页 |
| 第六章 全文总结 | 第112-114页 |
| 6．1 主要研究成果及创新点 | 第112-113页 |
| 6．2 需要进一步研究的内容 | 第113-114页 |
| 参考文献 | 第114-125页 |
| 附录 | 第125-127页 |
| 论文声明 | 第127-128页 |
| 致谢 | 第128页 |