| 致谢 | 第7-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第16-23页 |
| 1.1 图像分类与目标识别 | 第16-17页 |
| 1.2 车辆识别技术 | 第17-21页 |
| 1.2.1 研究背景与意义 | 第17-18页 |
| 1.2.2 车辆识别技术发展现状 | 第18-21页 |
| 1.3 本文主要内容和研究方法 | 第21页 |
| 1.4 论文的章节安排 | 第21-23页 |
| 第二章 稀疏表示的基本理论 | 第23-30页 |
| 2.1 稀疏表示的概况 | 第23-24页 |
| 2.2 稀疏表示的定义 | 第24-26页 |
| 2.3 稀疏表示的求解问题 | 第26-29页 |
| 2.3.1 全局优化算法 | 第26-27页 |
| 2.3.2 贪婪算法 | 第27-28页 |
| 2.3.3 其他算法 | 第28-29页 |
| 2.4 稀疏表示的应用 | 第29-30页 |
| 第三章 PCA-SIFT特征提取 | 第30-39页 |
| 3.1 图像特征提取 | 第30页 |
| 3.2 SIFT算法简介 | 第30-35页 |
| 3.2.1 SIFT特征提取的主要步骤 | 第31-35页 |
| 3.2.2 SIFT特征匹配 | 第35页 |
| 3.3 PCA-SIFT算法 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于核K-SVD和稀疏表示的车辆识别 | 第39-52页 |
| 4.1 引言 | 第39-40页 |
| 4.2 稀疏表示分类器 | 第40-41页 |
| 4.3 基于核的K-SVD字典训练及稀疏表示的车辆分类 | 第41-45页 |
| 4.3.1 K-SVD字典训练 | 第41-42页 |
| 4.3.2 本章算法 | 第42-45页 |
| 4.4 实验结果 | 第45-50页 |
| 4.4.1 无遮挡数据分类 | 第46-48页 |
| 4.4.2 加遮挡数据分类 | 第48-50页 |
| 4.4.3 实验分析 | 第50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 基于SVM和稀疏表示的车辆识别 | 第52-65页 |
| 5.1 引言 | 第52页 |
| 5.2 支持向量机 | 第52-57页 |
| 5.2.1 线性可分支持向量机 | 第53-55页 |
| 5.2.2 非线性可分支持向量机 | 第55-57页 |
| 5.2.3 支持向量机的多类分类 | 第57页 |
| 5.3 SVM与稀疏表示结合的车辆识别方法 | 第57-60页 |
| 5.4 实验结果 | 第60-64页 |
| 5.4.1 无遮挡数据分类 | 第60-62页 |
| 5.4.2 加遮挡数据分类 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 不足之处与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第72-73页 |