基于SVM的车辆自动分类方法研究与实现
| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·选题的背景及意义 | 第8页 |
| ·车辆自动分类系统的现状 | 第8-10页 |
| ·国外主要车型识别方法 | 第8-9页 |
| ·国内车型识别技术描述 | 第9-10页 |
| ·本文研究的主要内容 | 第10页 |
| ·本论文的结构安排 | 第10-12页 |
| 第二章 道路车辆图像预处理技术 | 第12-25页 |
| ·基于CANNY的二值化方法 | 第12-16页 |
| ·预处理实现 | 第16-24页 |
| ·图像尺寸/格式归一化 | 第16页 |
| ·背景的选取与剔除 | 第16-17页 |
| ·灰度变换 | 第17-18页 |
| ·图像平滑去噪 | 第18-19页 |
| ·二值化处理 | 第19-20页 |
| ·Sobel边缘检测 | 第20-21页 |
| ·图像横向填充与纵向填充 | 第21-23页 |
| ·图像修正 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 车型特征提取 | 第25-34页 |
| ·FREEMAN链码与轮廓跟踪 | 第25-28页 |
| ·Freeman链码原理 | 第25-26页 |
| ·轮廓跟踪原理 | 第26-27页 |
| ·图像轮廓平滑 | 第27-28页 |
| ·轮廓跟踪实验结果 | 第28页 |
| ·车型特征计算 | 第28-33页 |
| ·车长H 与车宽W | 第29页 |
| ·周长L | 第29页 |
| ·面积S | 第29页 |
| ·基于Freeman链码的图像不变矩特征计算 | 第29-33页 |
| ·小结 | 第33-34页 |
| 第四章 基于SVM的车型识别器设计 | 第34-53页 |
| ·模式识别基础 | 第34-35页 |
| ·统计学习理论 | 第35-38页 |
| ·经验风险最小化 | 第35-36页 |
| ·VC 维的概念 | 第36页 |
| ·推广性的界 | 第36-37页 |
| ·结构风险最小化 | 第37-38页 |
| ·支持向量机理论 | 第38-44页 |
| ·最优超平面 | 第39-42页 |
| ·广义最优超平面 | 第42-44页 |
| ·SVM车型分类器的设计 | 第44-52页 |
| ·SVM现有多类分类算法 | 第44-45页 |
| ·基于SVM的车型分类器的设计 | 第45-50页 |
| ·试验结果与分析 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·未来展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 攻读学位期间本人公开发表的论文 | 第57-58页 |
| 致谢 | 第58-59页 |
| 详细摘要 | 第59-61页 |
