基于支持向量机的车型分类视频检测研究与实现
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 附图索引 | 第10-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-20页 |
| ·课题研究背景 | 第13-14页 |
| ·智能交通中车型分类技术 | 第14-16页 |
| ·基于视频的车型识别 | 第16-17页 |
| ·图像质量的评价 | 第17页 |
| ·论文的主要内容和安排 | 第17-20页 |
| 第2章 车辆的目标检测与车辆图像处理 | 第20-33页 |
| ·车辆的目标检测 | 第20-23页 |
| ·车辆目标检测概述 | 第20-22页 |
| ·基于减背景法的目标检测 | 第22-23页 |
| ·车辆图像的预处理 | 第23-27页 |
| ·增强对比度 | 第23-24页 |
| ·直方图均衡化 | 第24-25页 |
| ·中值滤波 | 第25-26页 |
| ·图像标准化 | 第26-27页 |
| ·车辆阴影分割 | 第27-30页 |
| ·阴影的形成 | 第27页 |
| ·阴影分割的常用方法 | 第27-29页 |
| ·现有阴影分割方法存在的问题 | 第29-30页 |
| ·基于遗传算法的车辆图像阴影的分割 | 第30页 |
| ·车辆遮挡的处理 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 车辆图像的配准与融合 | 第33-43页 |
| ·概述 | 第33页 |
| ·图像配准技术 | 第33-37页 |
| ·图像配准模型 | 第33-35页 |
| ·基于模板相关的匹配算法 | 第35-37页 |
| ·图像融合技术 | 第37-41页 |
| ·图像融合的分类 | 第37-39页 |
| ·图像融合的方法 | 第39页 |
| ·基于像素灰度值加权平均的图像融合 | 第39-41页 |
| ·配准融合效果的评价 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 车辆图像的后处理与特征提取 | 第43-55页 |
| ·边缘检测 | 第43-45页 |
| ·车辆边缘检测方法概述 | 第43-44页 |
| ·基于Canny算子的边缘检测方法 | 第44-45页 |
| ·摄像机模型 | 第45-53页 |
| ·基于针孔模型的摄像机模型 | 第45-47页 |
| ·投影空间的几何映射关系 | 第47-49页 |
| ·双目结构同源传感器的摄像机模型 | 第49-51页 |
| ·车辆高度、宽度和长度的计算 | 第51-53页 |
| ·特征提取 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于支持向量机的车型分类 | 第55-74页 |
| ·概述 | 第55页 |
| ·现有的几种分类方法 | 第55-58页 |
| ·支持向量机理论 | 第58-65页 |
| ·线性学习器 | 第58-59页 |
| ·泛化性理论 | 第59-60页 |
| ·最优化理论 | 第60-61页 |
| ·核函数 | 第61-62页 |
| ·支持向量分类机 | 第62-65页 |
| ·现有的基于支持向量机多分类方法 | 第65-69页 |
| ·支持向量机分类器的设计 | 第69-73页 |
| ·分类器的训练与测试 | 第69-71页 |
| ·实验结果 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 附录 攻读学位期间所发表的学术论文目录 | 第81页 |
