基于Gabor特征简化的车型识别
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究的背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 车型识别研究现状总结 | 第17-19页 |
| 1.4 论文的主要内容和结构 | 第19-21页 |
| 第二章 特征提取与特征降维 | 第21-35页 |
| 2.1 本文车型识别概述 | 第21页 |
| 2.2 Gabor特征 | 第21-26页 |
| 2.2.1 Gabor函数的提出 | 第21-22页 |
| 2.2.2 二维Gabor滤波器 | 第22-26页 |
| 2.3 Gabor特征提取 | 第26-28页 |
| 2.4 特征降维 | 第28-33页 |
| 2.4.1 Gabor特征简化 | 第28-30页 |
| 2.4.2 PCA降维法 | 第30-31页 |
| 2.4.3 分块PCA降维法 | 第31-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 稀疏表示分类的研究 | 第35-49页 |
| 3.1 压缩感知简介 | 第35-37页 |
| 3.2 稀疏表示 | 第37-38页 |
| 3.3 几种稀疏求解算法 | 第38-42页 |
| 3.3.1 匹配追踪算法 | 第38-40页 |
| 3.3.2 正交匹配追踪算法 | 第40-41页 |
| 3.3.3 基追踪算法 | 第41-42页 |
| 3.4 基于稀疏表示的分类 | 第42-44页 |
| 3.5 加权稀疏表示分类 | 第44-46页 |
| 3.6 改进的加权稀疏表示分类 | 第46-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 算法实现与结果分析 | 第49-69页 |
| 4.1 算法设计总流程 | 第49-50页 |
| 4.2 样本预处理过程 | 第50-54页 |
| 4.3 Gabor特征提取与稀疏表示分类实验 | 第54-57页 |
| 4.4 Gabor特征简化与稀疏表示的分类实验 | 第57-59页 |
| 4.5 改进的加权稀疏表示的分类实验 | 第59-64页 |
| 4.6 与其它分类算法对比实验 | 第64-67页 |
| 4.6.1 支持向量机(SVM)分类实验 | 第64-66页 |
| 4.6.2 K近邻分类实验 | 第66-67页 |
| 4.7 本章总结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79页 |
