基于视频图像的车型识别技术的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·国内外研究现状分析 | 第10-14页 |
| ·车型识别技术的研究现状 | 第10-12页 |
| ·基于图像的车型识别技术的研究现状 | 第12-14页 |
| ·车型分类标准 | 第14页 |
| ·论文研究的主要内容 | 第14-16页 |
| 第2章 运动目标车辆的提取方法研究 | 第16-24页 |
| ·车辆图像的预处理 | 第16-19页 |
| ·图像灰度化 | 第16-17页 |
| ·图像去噪 | 第17-19页 |
| ·运动目标车辆的提取 | 第19-23页 |
| ·基于光流场理论的目标提取 | 第19页 |
| ·基于帧间差分法的目标提取 | 第19-20页 |
| ·基于背景差分法的目标提取 | 第20-21页 |
| ·基于自适应背景更新法的目标提取 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 车型组合特征的提取方法研究 | 第24-38页 |
| ·车辆图像的后处理 | 第24-26页 |
| ·图像的二值化 | 第24-25页 |
| ·图像数学形态学处理 | 第25-26页 |
| ·车型几何特征的提取 | 第26-29页 |
| ·基于八连通域的车辆标记与定位 | 第26-28页 |
| ·车型面积、周长与长宽比特征的提取 | 第28-29页 |
| ·车型脸部特征的提取 | 第29-34页 |
| ·基于角点检测的车脸区域提取 | 第30-31页 |
| ·车脸信息熵特征的提取 | 第31-34页 |
| ·实验结果与分析 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 车型 Gabor 特征的提取方法研究 | 第38-51页 |
| ·Gabor 滤波器 | 第38-41页 |
| ·Gabor 函数及其特性 | 第38-39页 |
| ·二维 Gabor 滤波器 | 第39-40页 |
| ·二维 Gabor 滤波器组参数的意义 | 第40-41页 |
| ·车型 Gabor 特征的提取 | 第41-44页 |
| ·二维 Gabor 滤波器组参数的选择 | 第41-42页 |
| ·Gabor 特征点的提取 | 第42-44页 |
| ·实验结果与分析 | 第44-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 车型的识别与分类方法研究 | 第51-65页 |
| ·车型组合特征的识别与分类 | 第51-60页 |
| ·基于 BP 神经网络的几何特征识别 | 第51-57页 |
| ·基于图像匹配的脸部特征识别 | 第57-60页 |
| ·车型 Gabor 特征的识别与分类 | 第60-62页 |
| ·实验结果与分析 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |
