多姿态车型识别算法设计及应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文研究背景及意义 | 第10-12页 |
| 1.2 基于图像处理车型识别的研究现状 | 第12-14页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-14页 |
| 1.3 本文研究目标与研究内容 | 第14-16页 |
| 第二章 车型识别方法概述 | 第16-29页 |
| 2.1 车辆图像预处理 | 第16-21页 |
| 2.1.1 彩色图像灰度化 | 第16-17页 |
| 2.1.2 图像滤波 | 第17-20页 |
| 2.1.4 形态学算法 | 第20-21页 |
| 2.2 车型分类方法研究 | 第21-23页 |
| 2.3 基于图像处理的车型识别 | 第23-28页 |
| 2.3.1 轮廓识别法 | 第24-25页 |
| 2.3.2 基于车辆几何特征识别方法 | 第25-26页 |
| 2.3.3 基于车脸纹理特征的车型识别方法 | 第26-27页 |
| 2.3.4 基于模型匹配车型识别方法 | 第27-28页 |
| 2.3.5 基于局部特征提取的车型识别方法 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 车辆局部特征提取 | 第29-42页 |
| 3.1 经典局部特征提取算法 | 第30-32页 |
| 3.1.1 Harris算法 | 第30页 |
| 3.1.2 HOG算法 | 第30-31页 |
| 3.1.3 SIFT算法 | 第31-32页 |
| 3.2 基于SURF的车辆特征提取 | 第32-41页 |
| 3.2.1 SURF算法步骤 | 第33-38页 |
| 3.2.2 SIFT与SURF性能比较 | 第38-40页 |
| 3.2.3 实验结果及分析 | 第40-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 多姿态车型识别算法设计 | 第42-53页 |
| 4.1 采样角度选择 | 第43-45页 |
| 4.2 特征匹配 | 第45-48页 |
| 4.2.1 基于k-d树的BBF算法 | 第45-48页 |
| 4.3 特征提纯 | 第48-50页 |
| 4.3.1 K近邻算法 | 第48-49页 |
| 4.3.2 PROSAC算法 | 第49-50页 |
| 4.4 多姿态车型识别 | 第50-52页 |
| 4.4.1 车辆特征模型的建立和存储 | 第50-52页 |
| 4.4.2 车型识别实验结果 | 第52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 车型识别系统软件设计与测试 | 第53-70页 |
| 5.1 系统总体思路 | 第53-54页 |
| 5.2 开发平台的搭建 | 第54-56页 |
| 5.3 系统各个功能模块设计 | 第56-61页 |
| 5.3.1 训练模块的实现 | 第56-59页 |
| 5.3.2 测试模块的实现 | 第59-60页 |
| 5.3.3 多姿态车型识别系统设计模块 | 第60-61页 |
| 5.4 实验结果及分析 | 第61-69页 |
| 5.4.1 特征检测测试 | 第61-62页 |
| 5.4.2 特征匹配测试 | 第62-63页 |
| 5.4.3 特征库的实现和保存 | 第63-65页 |
| 5.4.4 车型识别测试结果及分析 | 第65-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 论文总结 | 第70-71页 |
| 6.2 论文后续工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 攻读硕士学位期间取得的成果 | 第75页 |
