| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·论文研究背景 | 第11-12页 |
| ·国内外研究现状和意义 | 第12-15页 |
| ·论文主要内容和组织结构 | 第15-17页 |
| 第2章 基于视觉显著性理论的车辆感兴趣区域提取 | 第17-29页 |
| ·视觉显著性理论 | 第17-23页 |
| ·图像直方图 | 第17-19页 |
| ·显著性 | 第19页 |
| ·几种显著性算法介绍 | 第19-23页 |
| ·基于显著性与车底阴影块的车辆感兴趣区域提取 | 第23-27页 |
| ·灰度图像中的车底阴影块提取 | 第23-25页 |
| ·融合显著性理论进行车辆感兴趣区域定位 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 基于多视觉特征的车辆精确定位 | 第29-39页 |
| ·车底阴影线检测 | 第29-33页 |
| ·车底阴影线粗提取 | 第30页 |
| ·车底阴影线合并 | 第30-33页 |
| ·基于水平边缘检测的车辆区域划分 | 第33-38页 |
| ·车辆边界确定 | 第33-36页 |
| ·对称性和信息熵 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于LBP特征的车辆识别 | 第39-46页 |
| ·LBP算子 | 第39-41页 |
| ·DOG高斯差分 | 第41-42页 |
| ·基于LBP特征的adaboost分类器 | 第42-45页 |
| ·局部二值模式直方图 | 第42-43页 |
| ·Adaboost分类器简介 | 第43页 |
| ·Adaboost分类器学习过程 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 实验和结果 | 第46-55页 |
| ·实验平台配置 | 第46页 |
| ·实验数据 | 第46页 |
| ·基于显著性的车辆感兴趣区域提取算法的实验和分析 | 第46-49页 |
| ·基于多视觉特征的车辆精确定位算法的实验和分析 | 第49-52页 |
| ·基于LBP特征的adaboost分类器实验结果和分析 | 第52-55页 |
| ·样本集和评估方法 | 第52-53页 |
| ·实验结果和分析 | 第53-55页 |
| 第6章 总结和展望 | 第55-58页 |
| ·本文的主要工作内容 | 第55页 |
| ·后续研究工作 | 第55-56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 作者简介 | 第62-63页 |
| 致谢 | 第63页 |