| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 前言 | 第8-13页 |
| 1.1 研究的目的和意义 | 第8-10页 |
| 1.2 研究现状 | 第10页 |
| 1.3 本文研究的主要内容 | 第10-11页 |
| 1.4 章节安排 | 第11-13页 |
| 第二章 车头检测 | 第13-20页 |
| 2.1 Adaboost 算法 | 第14-17页 |
| 2.2 实验结果 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 基于SIFT 的车辆识别 | 第20-41页 |
| 3.1 局部特征 | 第20-25页 |
| 3.1.1 关键点的检测 | 第20-21页 |
| 3.1.2 特征向量的描述 | 第21-23页 |
| 3.1.3 特征向量描述子的匹配 | 第23-25页 |
| 3.2 SIFT 算法步骤 | 第25-32页 |
| 3.2.1 检测尺度空间极值点 | 第25-27页 |
| 3.2.2 精确确定极值点位置 | 第27-29页 |
| 3.2.3 主方向的生成 | 第29-30页 |
| 3.2.4 SIFT 特征点描述子的生成 | 第30-32页 |
| 3.3 SIFT 算法的主要特点 | 第32-33页 |
| 3.4 实验结果 | 第33-40页 |
| 3.4.1 图片集 | 第33-35页 |
| 3.4.2 识别结果 | 第35-36页 |
| 3.4.3 影响识别的因素 | 第36-39页 |
| 3.4.4 改进后的识别结果 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于SURF 的车辆识别 | 第41-55页 |
| 4.1SURF 算法步骤 | 第41-49页 |
| 4.1.1 利用Fast hessian 确定极值点 | 第41-45页 |
| 4.1.2 精确确定极值点的位置 | 第45-46页 |
| 4.1.3 主方向 | 第46-47页 |
| 4.1.4 SURF 描述子 | 第47-49页 |
| 4.2 SURF 与 SIFT 的对比 | 第49-50页 |
| 4.3 实验结果 | 第50-54页 |
| 4.3.1 未做位置约束的 SURF 车辆识别 | 第50-53页 |
| 4.3.2 做位置约束的 SURF 车辆识别 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 多种特征融合做识别 | 第55-69页 |
| 5.1 融合 SIFT 和 SURF 二种局部特征的车辆识别 | 第55-58页 |
| 5.2 SURF 结合排气孔区域的纹理特征的车辆识别 | 第58-63页 |
| 5.3 SURF 结合 Shape context 的车辆识别 | 第63-67页 |
| 5.4 本章小结 | 第67-69页 |
| 第六章 全文结论 | 第69-71页 |
| 6.1 主要工作 | 第69页 |
| 6.2 研究展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间已发表或录用的论文 | 第75-77页 |
