基于多特征融合的车辆品牌识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国内研究现状 | 第9页 |
| 1.2.2 国外研究现状 | 第9-10页 |
| 1.2.3 研究现状小结 | 第10-11页 |
| 1.3 本文研究内容及技术路线 | 第11-12页 |
| 1.4 论文组织结构及安排 | 第12-13页 |
| 第二章 车脸单特征提取及车辆品牌识别 | 第13-25页 |
| 2.1 车脸数据采集 | 第13-15页 |
| 2.1.1 车脸区域定位 | 第13-14页 |
| 2.1.2 直方图均衡化 | 第14页 |
| 2.1.3 尺寸归一化 | 第14-15页 |
| 2.2 车辆品牌纹理特征提取 | 第15-21页 |
| 2.2.1 局部能量形状直方图 | 第15-17页 |
| 2.2.2 局部二值模式直方图 | 第17-19页 |
| 2.2.3 梯度直方图 | 第19-21页 |
| 2.3 分类器 | 第21-23页 |
| 2.3.1 支持向量机 | 第21-22页 |
| 2.3.2 K最近邻法 | 第22-23页 |
| 2.4 实验结果与分析 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于稀疏表示特征的车辆品牌识别 | 第25-35页 |
| 3.1 稀疏表示理论 | 第25-28页 |
| 3.1.1 信号压缩感知 | 第26-27页 |
| 3.1.2 稀疏表示模型的建立 | 第27-28页 |
| 3.2 稀疏表示系数的求解 | 第28-30页 |
| 3.2.1 贪婪追踪算法 | 第29页 |
| 3.2.2 字典学习 | 第29-30页 |
| 3.3 基于稀疏表示的分类 | 第30-31页 |
| 3.4 实验结果与分析 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于融合特征的车辆品牌识别 | 第35-45页 |
| 4.1 多特征融合 | 第35-36页 |
| 4.2 基于稀疏表示的特征融合 | 第36-39页 |
| 4.2.1 融合特征稀疏编码模型 | 第37页 |
| 4.2.2 非负性约束稀疏编码 | 第37-39页 |
| 4.3 基于融合特征的车辆品牌识别 | 第39页 |
| 4.4 分类性能评价 | 第39-40页 |
| 4.4.1 混淆矩阵 | 第39页 |
| 4.4.2 ROC曲线 | 第39-40页 |
| 4.5 实验结果与分析 | 第40-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-46页 |
| 5.1 总结 | 第45页 |
| 5.2 展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士期间发表的论文和完成的科研成果 | 第51页 |
