| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·车辆识别研究背景和意义 | 第9-11页 |
| ·车辆识别的研究现状和前景 | 第11-13页 |
| ·课题研究的主要内容 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第二章 彩色空间和彩色图像分割 | 第15-36页 |
| ·色度学理论 | 第15-16页 |
| ·几种彩色空间和彩色空间变换 | 第16-24页 |
| ·彩色空间 | 第16-17页 |
| ·RGB（Red/Green/Blue）彩色空间 | 第17-19页 |
| ·CMY(K)（Cyan/Magenta/Yellow(black)）彩色空间 | 第19页 |
| ·HSI（Hue/ Saturation/Intensity）彩色空间 | 第19-22页 |
| ·其他彩色空 | 第22-23页 |
| ·几种彩色空间的比较 | 第23-24页 |
| ·彩色图像分割方法 | 第24-27页 |
| ·彩色空间的选取 | 第24页 |
| ·彩色图像分割方法分类简介 | 第24-26页 |
| ·拟采用的关键技术路线 | 第26-27页 |
| ·汽车牌照图像特征分析 | 第27-29页 |
| ·彩色空间变换公式 | 第29-31页 |
| ·彩色图像的滤波方法 | 第31-36页 |
| 第三章 支持向量机（SVM）分类算法介绍 | 第36-46页 |
| ·引言 | 第36页 |
| ·支持向量机分类的两种算法 | 第36-43页 |
| ·标准型算法 | 第36-40页 |
| ·拉格朗日型算法 | 第40-41页 |
| ·Proximal SVM 算法 | 第41-42页 |
| ·支持向量机算法的仿真分析 | 第42-43页 |
| ·SVM 算法在多类模式识别中的应用 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 支持向量机（SVM）回归算法分析 | 第46-56页 |
| ·引言 | 第46页 |
| ·基本原理 | 第46-51页 |
| ·损失函数介绍 | 第46-48页 |
| ·非线性支持向量机方法的实现过程 | 第48-51页 |
| ·V-SVR 算法分析与改进 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于 SVM 的车辆识别系统的实现 | 第56-67页 |
| ·ITS 系统的实现 | 第56-57页 |
| ·基于 V-ESVR 的交通流预测 | 第57-60页 |
| ·车辆识别实验分析 | 第60-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·研究成果 | 第67页 |
| ·进一步研究工作 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |