基于卡口图像车型识别的研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究目的与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究内容及结构安排 | 第10-12页 |
| 第二章 数字图像预处理 | 第12-19页 |
| 2.1 引言 | 第12页 |
| 2.2 噪声处理 | 第12-13页 |
| 2.2.1 中值滤波 | 第12-13页 |
| 2.2.2 均值滤波 | 第13页 |
| 2.2.3 频域低通滤波 | 第13页 |
| 2.3 图像灰度化 | 第13-14页 |
| 2.4 灰度图像二值化 | 第14-16页 |
| 2.5 图像尺寸归一化 | 第16-17页 |
| 2.6 图像边缘检测 | 第17-18页 |
| 2.7 本章小结 | 第18-19页 |
| 第三章 基于卡口图像的车辆检测 | 第19-32页 |
| 3.1 引言 | 第19页 |
| 3.2 传统车辆检测方法 | 第19-21页 |
| 3.2.1 背景差分法 | 第19-20页 |
| 3.2.2 帧间差分法 | 第20页 |
| 3.2.3 光流法 | 第20-21页 |
| 3.3 基于HOG特征与SVM分类器车辆检测 | 第21-25页 |
| 3.3.1 HOG特征简介及其提取 | 第21-23页 |
| 3.3.2 SVM分类器训练及检测 | 第23-25页 |
| 3.4 基于边缘及形态学重构的车辆定位 | 第25-30页 |
| 3.4.1 数学形态学 | 第26-28页 |
| 3.4.2 检测车辆边界 | 第28-30页 |
| 3.5 初步检测和精确定位相结合的车辆检测方法 | 第30页 |
| 3.6 本章小结 | 第30-32页 |
| 第四章 车辆特征提取算法的研究 | 第32-48页 |
| 4.1 引言 | 第32页 |
| 4.2 不变矩特征提取 | 第32-35页 |
| 4.2.1 图像的几何矩 | 第32-34页 |
| 4.2.2 车辆图像Hu不变矩特征提取 | 第34-35页 |
| 4.3 纹理特征提取 | 第35-38页 |
| 4.3.1 纹理的基本概念 | 第35页 |
| 4.3.2 灰度共生矩阵的定义 | 第35-36页 |
| 4.3.3 灰度共生矩阵特征参数 | 第36-37页 |
| 4.3.4 车辆纹理特征提取 | 第37-38页 |
| 4.4 SURF特征提取 | 第38-43页 |
| 4.4.1 SURF特征点检测 | 第39-41页 |
| 4.4.2 SURF特征点描述 | 第41-43页 |
| 4.4.3 车辆SURF特征点提取 | 第43页 |
| 4.5 积分通道特征提取 | 第43-47页 |
| 4.5.1 通道的概念及属性 | 第43-44页 |
| 4.5.2 通道类型 | 第44-45页 |
| 4.5.3 车辆图像积分通道特征提取 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 车型分类 | 第48-60页 |
| 5.1 引言 | 第48页 |
| 5.2 支持向量机理论背景 | 第48-49页 |
| 5.3 SVM数学模型 | 第49-52页 |
| 5.3.1 线性可分情况 | 第49-51页 |
| 5.3.2 线性不可分情况 | 第51页 |
| 5.3.3 非线性情况 | 第51-52页 |
| 5.4 核函数 | 第52-53页 |
| 5.5 SVM多类分类方法 | 第53-54页 |
| 5.6 基于SVM车型分类的设计 | 第54-59页 |
| 5.6.1 训练样本的选择 | 第54页 |
| 5.6.2 SVM参数的选定 | 第54页 |
| 5.6.3 实验结果及分析 | 第54-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第六章 车型识别系统设计与实现 | 第60-68页 |
| 6.1 引言 | 第60页 |
| 6.2 系统环境及开发工具 | 第60-61页 |
| 6.2.1 软件环境及开发工具 | 第60-61页 |
| 6.2.2 硬件平台 | 第61页 |
| 6.3 车型系统设计 | 第61-67页 |
| 6.3.1 系统界面 | 第62-63页 |
| 6.3.2 系统测试 | 第63-65页 |
| 6.3.3 实时系统采集 | 第65-67页 |
| 6.4 本章小结 | 第67-68页 |
| 第七章 总结和展望 | 第68-69页 |
| 7.1 总结 | 第68页 |
| 7.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
