| 1 绪论 | 第1-25页 |
| 1．1 引言 | 第10-11页 |
| 1．2 车辆检测与车型识别的研究概况 | 第11-17页 |
| 1．2．1 智能交通系统简介 | 第11-13页 |
| 1．2．2 车辆检测的研究与发展 | 第13-15页 |
| 1．2．3 车型识别的研究与发展 | 第15-17页 |
| 1．3 GABOR滤波器简介 | 第17-20页 |
| 1．3．1 Gabor函数的提出 | 第17-18页 |
| 1．3．2 Gabor函数与测不准原理 | 第18-19页 |
| 1．3．3 2D Gabor滤波器 | 第19-20页 |
| 1．4 GABOR滤波器在特征抽取中的应用研究 | 第20-22页 |
| 1．5 本文研究工作概述 | 第22-23页 |
| 1．6 本文的内容安排 | 第23-25页 |
| 2 基于特征加权的GABOR特征抽取算法 | 第25-38页 |
| 2．1 引言 | 第25-26页 |
| 2．2 GABOR滤波器 | 第26-28页 |
| 2．2．1 核函数的选择 | 第26-27页 |
| 2．2．2 参数设置 | 第27-28页 |
| 2．3 算法实现 | 第28-33页 |
| 2．3．1 特征提取 | 第29-30页 |
| 2．3．2 特征加权 | 第30-33页 |
| 2．4 实验结果与分析 | 第33-37页 |
| 2．4．1 实验1 | 第33-36页 |
| 2．4．2 实验2 | 第36-37页 |
| 2．5 本章小结 | 第37-38页 |
| 3 基于GABOR滤波器和SVM的红外车辆检测 | 第38-52页 |
| 3．1 引言 | 第38-39页 |
| 3．2 红外图像的性质 | 第39-41页 |
| 3．2．1 红外热像仪原理 | 第39-40页 |
| 3．2．2 与可视图像的比较 | 第40-41页 |
| 3．3 支持向量机 | 第41-44页 |
| 3．3．1 广义最优分类面 | 第41-42页 |
| 3．3．2 支持向量机 | 第42-43页 |
| 3．3．3 核函数 | 第43-44页 |
| 3．4 红外车辆检测 | 第44-49页 |
| 3．4．1 候选区域的确定 | 第44-47页 |
| 3．4．2 车辆确认 | 第47-49页 |
| 3．5 实验结果与分析 | 第49-51页 |
| 3．6 本章小结 | 第51-52页 |
| 4 基于GABOR滤波器和边缘特征的车型识别 | 第52-64页 |
| 4．1 引言 | 第52-53页 |
| 4．2 车辆分割 | 第53-56页 |
| 4．2．1 背景减除 | 第53-54页 |
| 4．2．2 滤波去噪 | 第54-55页 |
| 4．2．3 图像标准化 | 第55-56页 |
| 4．3 GABOR特征提取 | 第56-60页 |
| 4．3．1 关键边缘的确定 | 第56-58页 |
| 4．3．2 非均匀样点的确定 | 第58-59页 |
| 4．3．3 Gabor特征提取 | 第59-60页 |
| 4．4 匹配 | 第60页 |
| 4．5 基于GABOR滤波器和边缘特征的车型识别算法 | 第60-61页 |
| 4．6 实验结果与分析 | 第61-63页 |
| 4．7 本章小结 | 第63-64页 |
| 5 一种实用的基于特定方向的GABOR滤波器组参数设置方法 | 第64-76页 |
| 5．1 引言 | 第64-65页 |
| 5．2 GABOR滤波器参数设置方法概述 | 第65-67页 |
| 5．2．1 实验法 | 第65-66页 |
| 5．2．2 优化法 | 第66-67页 |
| 5．3 基于特定方向的GABOR滤波器组参数设置算法 | 第67-72页 |
| 5．3．1 方向参数的确定 | 第68-69页 |
| 5．3．2 Gabor滤波器组的形式 | 第69-70页 |
| 5．3．3 最佳单Gabor滤波器的参数设置 | 第70-72页 |
| 5．5 实验结果与分析 | 第72-75页 |
| 5．6 本章小结 | 第75-76页 |
| 结束语 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-87页 |
| 附录 | 第87页 |
