| 摘 要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·图像目标识别概述 | 第10页 |
| ·图像目标识别的军事、民用意义 | 第10-12页 |
| ·研究现状 | 第12-13页 |
| ·本论文要解决的问题与主要研究任务 | 第13-14页 |
| ·本论文的进度安排 | 第14-15页 |
| 第二章 车辆目标类型识别系统 | 第15-20页 |
| ·模式识别系统概述 | 第15-16页 |
| ·多传感器车型识别系统 | 第16-18页 |
| ·模板样本库的建立 | 第18页 |
| ·小结 | 第18-20页 |
| 第三章 基于轮廓的车辆目标特征提取算法 | 第20-36页 |
| ·识别特征提取方法概述 | 第20页 |
| ·当前常用的特征提取方法 | 第20-24页 |
| ·基于轮廓的组合特征提取算法 | 第24-35页 |
| ·小结 | 第35-36页 |
| 第四章 三阈值近邻识别方法 | 第36-48页 |
| ·模式识别的相关知识 | 第36-37页 |
| ·已有的识别方法 | 第37-40页 |
| ·三阈值近邻识别方法 | 第40-42页 |
| ·实施例 | 第42-47页 |
| ·小结 | 第47-48页 |
| 第五章 三阈值近邻识别法的快速算法 | 第48-61页 |
| ·模板样本集的子类划分 | 第48-52页 |
| ·构造二叉搜索树 | 第52-53页 |
| ·二叉搜索树在识别中的运用 | 第53页 |
| ·与已有近邻法快速算法的比较 | 第53-55页 |
| ·实施例及识别结果 | 第55-60页 |
| ·小结 | 第60-61页 |
| 第六章 基于动态聚类与 BP 神经网络的车辆目标识别 | 第61-68页 |
| ·神经网络概述 | 第61-64页 |
| ·基于改进的 C-均值动态聚类与BP 神经网络的目标识别方法 | 第64-65页 |
| ·实验与识别结果 | 第65-67页 |
| ·小结 | 第67-68页 |
| 第七章 结论 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 作者简介 | 第72页 |