| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 车辆检测识别技术研究现状 | 第9-11页 |
| 1.3 课题研究的主要内容 | 第11-13页 |
| 第2章 车辆图像检测技术的相关基础介绍 | 第13-28页 |
| 2.1 图像的预处理 | 第13-15页 |
| 2.1.1 图像的二值化 | 第14页 |
| 2.1.2 Canny边缘检测 | 第14-15页 |
| 2.2 图像特征提取 | 第15-26页 |
| 2.2.1 图像的颜色特征 | 第15-19页 |
| 2.2.2 图像的纹理形状特征 | 第19-26页 |
| 2.3 图像识别的方法 | 第26-27页 |
| 2.3.1 特征匹配 | 第26-27页 |
| 2.3.2 距离排序算法 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于空间距离排序的车辆图像匹配算法研究 | 第28-49页 |
| 3.1 算法总体流程 | 第28-29页 |
| 3.2 车辆图像目标区域检测 | 第29-35页 |
| 3.2.1 Hog特征提取 | 第29-33页 |
| 3.2.2 Hog模型训练及检测 | 第33-35页 |
| 3.3车辆特征提取 | 第35-45页 |
| 3.3.1 全局特征提取 | 第36-37页 |
| 3.3.2 局部特征值的提取 | 第37-45页 |
| 3.4 空间距离排序计算模型 | 第45-46页 |
| 3.4.1 基于全局特征值距离计算模型 | 第45-46页 |
| 3.4.2 基于局部特征值距离计算模型 | 第46页 |
| 3.5 车辆图像的匹配处理 | 第46-47页 |
| 3.6 实验及结果分析 | 第47-49页 |
| 第4章 基于Ranking SVM的车辆图像匹配算法研究 | 第49-58页 |
| 4.1 算法总体流程 | 第49页 |
| 4.2 Ranking SVM基本原理 | 第49-53页 |
| 4.3 基于Ranking SVM的车辆图像匹配处理 | 第53-55页 |
| 4.3.1 基于Ranking SVM的车辆图像的训练 | 第53-54页 |
| 4.3.2 基于Ranking SVM的车辆图像的匹配 | 第54-55页 |
| 4.4 实验及结果分析 | 第55-58页 |
| 第5章 总结和展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
