| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题的研究背景及意义 | 第12-13页 |
| 1.2 课题的研究现状 | 第13-16页 |
| 1.2.1 车型识别的研究现状 | 第13-15页 |
| 1.2.2 车标识别的研究现状 | 第15-16页 |
| 1.3 课题的研究目的及内容 | 第16-18页 |
| 1.3.1 研究目的 | 第16-17页 |
| 1.3.2 研究内容 | 第17-18页 |
| 第2章 卡口视频图像预处理 | 第18-30页 |
| 2.1 图像灰度化 | 第18-19页 |
| 2.2 卡口视频图像增强 | 第19-27页 |
| 2.2.1 卡口视频图像降噪算法研究 | 第19-22页 |
| 2.2.2 光线不足时的卡口视频图像增强 | 第22-27页 |
| 2.3 数学形态学处理 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 交通卡口视频的车辆检测与提取 | 第30-42页 |
| 3.1 交通卡口视频图像采集系统 | 第30页 |
| 3.2 运动车辆检测 | 第30-38页 |
| 3.2.1 光流法 | 第31-32页 |
| 3.2.2 帧间差分法 | 第32-34页 |
| 3.2.3 背景建模法 | 第34-36页 |
| 3.2.4 本文的建立背景的算法 | 第36-38页 |
| 3.3 基于虚拟线圈的车辆抓拍系统 | 第38-40页 |
| 3.3.1 基于地磁感应线圈法 | 第38-39页 |
| 3.3.2 基于视频的卡口车辆检测方法 | 第39-40页 |
| 3.4 本章小节 | 第40-42页 |
| 第4章 车型识别方法研究 | 第42-54页 |
| 4.1 图像的颜色模型 | 第42-45页 |
| 4.1.1 RGB颜色空间 | 第42-43页 |
| 4.1.2 HSV和YUV颜色空间 | 第43-44页 |
| 4.1.3 RGB、HSV和YUV色彩空间的相互转换 | 第44-45页 |
| 4.2 车辆阴影检测 | 第45-49页 |
| 4.2.1 阴影的特性 | 第45-46页 |
| 4.2.2 基于RGB色彩空间的阴影检测 | 第46-47页 |
| 4.2.3 基于HSV和YUV颜色空间的阴影检测 | 第47-49页 |
| 4.3 目标车辆的分割 | 第49-52页 |
| 4.3.1 图像二值化 | 第49-51页 |
| 4.3.2 卡口视频图像二值化 | 第51-52页 |
| 4.4 基于面积统计的车型识别 | 第52页 |
| 4.4.1 车型分类的标准 | 第52页 |
| 4.4.2 车型分类 | 第52页 |
| 4.5 本章小节 | 第52-54页 |
| 第5章 车标识别算法研究 | 第54-72页 |
| 5.1 车标的粗定位 | 第54-59页 |
| 5.1.1 基于车牌纹理和数学形态学处理的车牌定位 | 第54-57页 |
| 5.1.2 基于数学形态学处理和先验知识车牌轮廓的筛选 | 第57-58页 |
| 5.1.3 基于车牌定位的车标粗定位 | 第58-59页 |
| 5.2 基于Hough圆检测和模板匹配车标精确定位方法研究 | 第59-65页 |
| 5.2.1 车标的Hough圆检测 | 第59-61页 |
| 5.2.2 模板匹配法和水平投影法 | 第61-64页 |
| 5.2.3 车标定位实验结果 | 第64-65页 |
| 5.3 基于Hu矩和欧式距离的车标识别 | 第65-69页 |
| 5.3.1 车标特征的选择 | 第65页 |
| 5.3.2 Hu不变矩 | 第65-67页 |
| 5.3.3 基于欧氏距离车标识别 | 第67-69页 |
| 5.4 车标识别实验结果及分析 | 第69-70页 |
| 5.5 本章小结 | 第70-72页 |
| 第6章 软件系统的实现 | 第72-76页 |
| 6.1 系统实现平台 | 第72页 |
| 6.2 车型识别系统 | 第72-73页 |
| 6.3 系统测试结果及分析 | 第73-74页 |
| 6.4 本章小节 | 第74-76页 |
| 第7章 总结与展望 | 第76-78页 |
| 7.1 本文工作总结 | 第76-77页 |
| 7.2 展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |
