| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第1章 绪论 | 第7-11页 |
| 第1节 引言 | 第7页 |
| 第2节 车型识别的研究概况 | 第7-9页 |
| 第3节 本文的主要研究内容及论文的安排 | 第9-11页 |
| 一、车辆的不同分类 | 第9页 |
| 二、本文所做的工作 | 第9-10页 |
| 三、本文的内容安排 | 第10-11页 |
| 第2章 基于不变矩的车型识别 | 第11-43页 |
| 第1节 引言 | 第11页 |
| 第2节 车辆图像的预处理 | 第11-27页 |
| 一、车辆图像的获取 | 第11-14页 |
| 二、确定车辆区域 | 第14-25页 |
| 三、车辆轮廓的提取 | 第25-27页 |
| 第3节 图像的不变矩特征提取 | 第27-29页 |
| 一、不变矩理论 | 第27-28页 |
| 二、图像的不变矩 | 第28-29页 |
| 第4节 基于bp神经网络的车型识别 | 第29-42页 |
| 一、感知器和bp神经网络 | 第30-36页 |
| 二、识别结果及其分析 | 第36-42页 |
| 第5节 本章小结 | 第42-43页 |
| 第3章 基于2D-GABOR的车型识别 | 第43-56页 |
| 第1节 引言 | 第43页 |
| 第2节 车辆边缘图像的获取 | 第43-46页 |
| 一、车辆区域的分离 | 第43-44页 |
| 二、分割出车辆的图像 | 第44页 |
| 三、图像标准化 | 第44页 |
| 四、图像增强 | 第44-45页 |
| 五、图像边缘检测 | 第45-46页 |
| 第3节 车辆边缘图像的2D Gabor特征提取 | 第46-51页 |
| 一、2D Gabor的基本原理 | 第46-47页 |
| 二、2D Gabor的核函数以及参数选择 | 第47-49页 |
| 三、基于2D Gabor的车型特征提取 | 第49-51页 |
| 第4节 特征识别及其结果 | 第51-55页 |
| 一、实验1:用2D-gabor滤波器提取车辆正侧面轮廓图像的特征进行车辆的粗略分类 | 第51-52页 |
| 二、实验2:用2D Gabor滤波器提取车辆正侧面边缘图像,进行图像的进一步分类 | 第52-53页 |
| 三、实验3:对图像抽样,降低特征维数 | 第53-55页 |
| 第5节 本章小结 | 第55-56页 |
| 第4章 车型识别系统的软硬件系统 | 第56-59页 |
| 第1节 引言 | 第56页 |
| 第2节 系统的硬件介绍 | 第56页 |
| 一、摄像机 | 第56页 |
| 二、数据采集卡 | 第56页 |
| 三、个人电脑 | 第56页 |
| 第3节 软件系统 | 第56-58页 |
| 一、视频的采集和回放 | 第57页 |
| 二、有无车辆的判断 | 第57-58页 |
| 第4节 本章小结 | 第58-59页 |
| 第5章 全文总结 | 第59-61页 |
| 一、车型识别的难点分析及其解决办法 | 第59-60页 |
| 二、存在问题以及后续研究的建议 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |