| 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页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 车标检测技术 | 第8-9页 |
| 1.2.2 车标识别技术 | 第9-10页 |
| 1.3 本文研究目标及内容 | 第10-13页 |
| 1.3.1 研究目标 | 第10页 |
| 1.3.2 主要研究内容 | 第10-11页 |
| 1.3.3 研究的重点和难点 | 第11-13页 |
| 第二章 车标检测算法研究 | 第13-42页 |
| 2.1 引言 | 第13页 |
| 2.2 图像预处理算法 | 第13-22页 |
| 2.2.1 SIFT算法描述 | 第14-17页 |
| 2.2.2 基于SIFT算子的对称轴检测和倾斜校正算法 | 第17-22页 |
| 2.3 基于Adaboost的车牌定位算法 | 第22-28页 |
| 2.3.1 Harr特征 | 第22-23页 |
| 2.3.2 基于Adaboost的车牌检测算法描述 | 第23-28页 |
| 2.4 基于先验知识的车标粗定位算法 | 第28-29页 |
| 2.5 车标精定位算法 | 第29-41页 |
| 2.5.1 背景纹理抑制的车标精定位 | 第30-31页 |
| 2.5.2 基于边缘检测背景纹理抑制的车标精定位 | 第31-35页 |
| 2.5.3 基于Gabor滤波器背景纹理抑制的车标精定位 | 第35-39页 |
| 2.5.4 实验分析 | 第39-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第三章 车标识别方法研究 | 第42-59页 |
| 3.1 引言 | 第42页 |
| 3.2 车标特征提取方法 | 第42-51页 |
| 3.2.1 基于金字塔方向梯度直方图(PHOG)特征提取算法 | 第42-45页 |
| 3.2.2 结合MB-LTP的改进PHOG特征提取算法 | 第45-49页 |
| 3.2.3 实验分析 | 第49-51页 |
| 3.3 支持向量机车标分类器设计 | 第51-59页 |
| 3.3.1 支持向量机原理 | 第52-54页 |
| 3.3.2 车标多分类支持向量机设计 | 第54-56页 |
| 3.3.3 实验分析 | 第56-59页 |
| 第四章 车标识别系统设计与实现 | 第59-70页 |
| 4.1 系统软硬件环境 | 第59-60页 |
| 4.1.1 系统硬件环境 | 第59-60页 |
| 4.1.2 系统软件环境 | 第60页 |
| 4.2 系统功能及软件架构 | 第60-61页 |
| 4.3 核心软件模块设计实现 | 第61-64页 |
| 4.3.1 车标检测模块设计 | 第61-63页 |
| 4.3.2 车标识别模块设计 | 第63-64页 |
| 4.4 系统测试 | 第64-69页 |
| 4.4.1 系统功能测试 | 第64-68页 |
| 4.4.2 系统性能测试 | 第68-69页 |
| 4.4.3 测试结果分析 | 第69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 作者在学期间科研成果 | 第78页 |
