基于马尔科夫随机场的车型识别
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 车型识别研究现状 | 第11-12页 |
| 1.2.2 视频图像中车型识别的现状 | 第12-14页 |
| 1.2.3 马尔科夫随机场的发展 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 1.4 论文组织 | 第16-17页 |
| 第2章 运动车辆的检测与提取 | 第17-29页 |
| 2.1 视频图像的灰度化 | 第17页 |
| 2.2 视频图像噪声处理 | 第17-19页 |
| 2.3 视频中的车辆检测 | 第19-28页 |
| 2.3.1 简单场景下的车辆检测 | 第19-24页 |
| 2.3.2 复杂环境下车辆检测算法的改进 | 第24-27页 |
| 2.3.3 实验与结果分析 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 车型特征与特征生成 | 第29-45页 |
| 3.1 车型特征 | 第29页 |
| 3.2 马尔科夫随机场（MRF） | 第29-30页 |
| 3.3 MRF与Gibbs分布 | 第30-31页 |
| 3.4 基于马尔科夫随机场的图像分割 | 第31-32页 |
| 3.5 基于马尔科夫随机场的特征生成 | 第32-44页 |
| 3.5.1 基于经典的马尔科夫随机场的特征生成 | 第32-33页 |
| 3.5.2 基于MRF的算法改进 | 第33-34页 |
| 3.5.3 超像素分割与区域特征 | 第34-37页 |
| 3.5.4 预标记方法 | 第37-41页 |
| 3.5.5 似然函数的改进 | 第41-42页 |
| 3.5.6 团势的改进 | 第42-43页 |
| 3.5.7 实验结果及分析 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于近邻分类器的车型识别 | 第45-55页 |
| 4.1 车辆车型分类标准 | 第45-46页 |
| 4.2 训练车型分类器的基本流程 | 第46页 |
| 4.3 近邻分类器 | 第46-47页 |
| 4.3.1 最近邻分类器 | 第46-47页 |
| 4.3.2 K近邻分类器（KNN） | 第47页 |
| 4.4 实验及结果分析 | 第47-53页 |
| 4.4.1 数据集 | 第47-48页 |
| 4.4.2 实验流程 | 第48-49页 |
| 4.4.3 实验结果 | 第49-52页 |
| 4.4.4 实验分析与总结 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第60-61页 |
| 致谢 | 第61页 |
