| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景及研究意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 车辆识别研究现状 | 第12-13页 |
| 1.2.2 图像匹配算法研究现状 | 第13-15页 |
| 1.3 本文研究的主要内容 | 第15-17页 |
| 第2章 相关知识介绍 | 第17-35页 |
| 2.1 颜色空间 | 第17-21页 |
| 2.1.1 颜色基础 | 第17页 |
| 2.1.2 RGB颜色空间 | 第17-18页 |
| 2.1.3 HSV颜色空间 | 第18-19页 |
| 2.1.4 CIEL~*a~*b~*和CIEL~*u~*v~*颜色空间 | 第19-20页 |
| 2.1.5 YUV颜色空间 | 第20-21页 |
| 2.2 形态学图像处理 | 第21-24页 |
| 2.2.1 膨胀与腐蚀 | 第21-23页 |
| 2.2.2 开运算与闭运算 | 第23-24页 |
| 2.3 连通域的标记 | 第24-25页 |
| 2.4 图像匹配算法 | 第25-30页 |
| 2.4.1 人工神经网络 | 第25-26页 |
| 2.4.2 模板匹配 | 第26-27页 |
| 2.4.3 SIFT匹配算法 | 第27-30页 |
| 2.5 DaVinci DM6437简介 | 第30-33页 |
| 2.5.1 DSP综述 | 第30-32页 |
| 2.5.2 DM6437芯片简介 | 第32页 |
| 2.5.3 DM6437视频子系统 | 第32-33页 |
| 2.6 本章小结 | 第33-35页 |
| 第3章 系统总体设计方案 | 第35-39页 |
| 3.1 系统功能分析 | 第35-36页 |
| 3.2 系统层次设计 | 第36-37页 |
| 3.3 系统总体结构 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 可疑车辆识别算法的仿真研究 | 第39-59页 |
| 4.1 可疑车辆识别算法概述 | 第39页 |
| 4.2 基于颜色空间的图像分割算法 | 第39-43页 |
| 4.2.1 基于颜色空间的图像分割算法 | 第39-41页 |
| 4.2.2 基于颜色空间图像分割算法的Matlab实现 | 第41-43页 |
| 4.3 匹配算法 | 第43-57页 |
| 4.3.1 物体最小外接矩形长宽比匹配算法 | 第43页 |
| 4.3.2 直方图欧氏距离匹配算法 | 第43-44页 |
| 4.3.3 SIFT匹配 | 第44-50页 |
| 4.3.4 匹配算法的Matlab实现 | 第50-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 可疑车辆识别算法的DSP实现 | 第59-75页 |
| 5.1 算法流程 | 第59-60页 |
| 5.2 可疑车辆初步定位实现 | 第60-62页 |
| 5.2.1 静态图像中可疑车辆初步定位的实现 | 第60-62页 |
| 5.2.2 实时视频中可疑车辆初步定位的实现 | 第62页 |
| 5.3 可疑车辆精确定位的实现 | 第62-65页 |
| 5.4 匹配算法的实现 | 第65-67页 |
| 5.4.1 物体最小外接矩形长宽比匹配的实现 | 第65-66页 |
| 5.4.2 物体质心欧氏距离匹配的实现 | 第66-67页 |
| 5.5 测试与结果分析 | 第67-73页 |
| 5.5.1 硬件测试环境 | 第67-68页 |
| 5.5.2 静态图像的测试结果与分析 | 第68-70页 |
| 5.5.3 实时视频的测试结果与分析 | 第70-72页 |
| 5.5.4 结果分析 | 第72-73页 |
| 5.6 本章小结 | 第73-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 工作总结 | 第75页 |
| 6.2 未来工作的展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 在读期间发表的论文 | 第83页 |