基于支持向量机的车标图像识别技术研究
| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-24页 |
| 1.1 研究背景 | 第12-14页 |
| 1.1.1 研究问题的提出 | 第12-13页 |
| 1.1.2 研究目的和意义 | 第13-14页 |
| 1.1.2.1 研究目的 | 第13-14页 |
| 1.1.2.2 研究意义 | 第14页 |
| 1.2 车标识别技术概述 | 第14-20页 |
| 1.2.1 车标定位国内外研究现状 | 第15-17页 |
| 1.2.2 车标识别国内外研究现状 | 第17-20页 |
| 1.3 存在的问题分析 | 第20-21页 |
| 1.4 论文研究内容与技术路线 | 第21-24页 |
| 1.4.1 研究内容 | 第21-22页 |
| 1.4.2 技术路线 | 第22-24页 |
| 2 车标定位算法研究 | 第24-44页 |
| 2.1 车标定位相关理论基础 | 第24-34页 |
| 2.1.1 RGB颜色理论 | 第25-26页 |
| 2.1.2 图像灰度化 | 第26-27页 |
| 2.1.3 边缘提取 | 第27-30页 |
| 2.1.4 数学形态学运算 | 第30-32页 |
| 2.1.5 顶帽变换 | 第32-34页 |
| 2.2 车标粗定位 | 第34-37页 |
| 2.2.1 车牌检测 | 第34-36页 |
| 2.2.2 车标区域检测 | 第36-37页 |
| 2.3 车标精定位 | 第37-39页 |
| 2.3.1 车标背景纹理分类 | 第37-38页 |
| 2.3.2 精定位实现 | 第38-39页 |
| 2.4 车标定位结果分析 | 第39-42页 |
| 2.5 本章小结 | 第42-44页 |
| 3 车标图像特征数据库建立 | 第44-64页 |
| 3.1 车标图像采集 | 第44-47页 |
| 3.1.1 收费站车辆图像采集系统 | 第44-45页 |
| 3.1.2 车标图像样本的其他来源 | 第45-46页 |
| 3.1.3 部分样本图像展示 | 第46-47页 |
| 3.2 车标特征提取方法研究 | 第47-61页 |
| 3.2.1 车标图像特征分析 | 第47-48页 |
| 3.2.2 基于HU不变距的图像特征提取方法 | 第48-59页 |
| 3.2.3 新增HU不变距的图像特征提取方法 | 第59-61页 |
| 3.3 车标图像特征向量数据库建立 | 第61-63页 |
| 3.4 本章小结 | 第63-64页 |
| 4 车标识别算法研究 | 第64-78页 |
| 4.1 支持向量机基本理论 | 第64-70页 |
| 4.1.1 SVM算法原理 | 第64-66页 |
| 4.1.2 SVM多分类方法表示 | 第66-68页 |
| 4.1.3 SVM核函数选择 | 第68-69页 |
| 4.1.4 SVM识别算法框架 | 第69-70页 |
| 4.2 基于SVM的车标识别算法研究 | 第70-73页 |
| 4.2.1 车标识别步骤 | 第70-71页 |
| 4.2.2 车标识别优化算法 | 第71-73页 |
| 4.2.2.1 GWO算法原理 | 第71-72页 |
| 4.2.2.2 GWO-SVM寻优模型构建 | 第72-73页 |
| 4.3 识别结果分析 | 第73-77页 |
| 4.5 本章小结 | 第77-78页 |
| 5 车标识别软件实现 | 第78-82页 |
| 5.1 软件系统结构 | 第78-79页 |
| 5.2 软件界面与功能介绍 | 第79-81页 |
| 5.3 本章小结 | 第81-82页 |
| 6 结论与展望 | 第82-84页 |
| 6.1 研究结论与成果 | 第82页 |
| 6.2 创新性成果 | 第82-83页 |
| 6.3 论文研究展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第88-92页 |
| 学位论文数据集 | 第92页 |
