基于图像的智能交通系统中车标识别技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-14页 |
| ·课题研究背景与意义 | 第8-9页 |
| ·车标识别的国内外研究现状分析 | 第9-12页 |
| ·智能交通系统的发展现状 | 第9-10页 |
| ·智能交通系统中的车标识别系统 | 第10页 |
| ·车标定位技术的研究现状 | 第10-11页 |
| ·车标识别技术的研究现状 | 第11-12页 |
| ·本文的主要研究内容 | 第12-14页 |
| 2 车辆图像预处理与车标粗定位 | 第14-24页 |
| ·车辆图像的预处理技术 | 第14-20页 |
| ·车辆图像灰度化 | 第14-15页 |
| ·图像平滑去噪 | 第15-17页 |
| ·图像边缘检测 | 第17-20页 |
| ·基于先验知识的车标粗定位算法 | 第20-23页 |
| ·粗定位算法的提出 | 第20-22页 |
| ·粗定位实验结果与分析 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于视觉显著性的车标精定位 | 第24-36页 |
| ·视觉显著性车标定位方法的提出 | 第24-25页 |
| ·视觉显著性车标定位的研究现状分析 | 第25-26页 |
| ·基于ITTI视觉注意模型的车标特征提取 | 第26-31页 |
| ·亮度特征的提取 | 第28-29页 |
| ·颜色特征的提取 | 第29-30页 |
| ·方向特征的提取 | 第30-31页 |
| ·边缘特征的提取 | 第31页 |
| ·基于ITTI模型的车标精定位 | 第31-33页 |
| ·实验结果与分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于背景纹理抑制的车标精定位 | 第36-46页 |
| ·背景纹理抑制的车标定位算法的提出 | 第36-37页 |
| ·背景纹理方向的简单判别算法 | 第37-38页 |
| ·车标精定位算法 | 第38-42页 |
| ·类水平纹理散热网的车标精定位 | 第38-40页 |
| ·垂直纹理散热网的车标精定位 | 第40-42页 |
| ·实验结果与分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于LBP特征和SVM分类器的车标识别 | 第46-63页 |
| ·车标LBP特征的提取 | 第46-51页 |
| ·基本LBP算子 | 第46-48页 |
| ·等价模式LBP | 第48页 |
| ·旋转不变LBP | 第48-49页 |
| ·结合PCA降维的LBP | 第49-51页 |
| ·改进的快速K近邻分类算法 | 第51-55页 |
| ·最小距离分类器与K近邻分类器 | 第51-52页 |
| ·改进的快速K近邻分类算法 | 第52页 |
| ·实验结果与分析 | 第52-55页 |
| ·LBP特征比较分析与SVM车标识别 | 第55-62页 |
| ·支持向量机SVM | 第55-57页 |
| ·LBP特征比较分析与识别结果分析 | 第57-62页 |
| ·本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-66页 |
| ·工作总结 | 第63-64页 |
| ·存在问题 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
