| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题的研究背景 | 第8-11页 |
| ·车标识别相关技术和方法 | 第9-10页 |
| ·车标识别的目的和意义 | 第10-11页 |
| ·车标识别技术发展现状 | 第11-13页 |
| ·车标定位技术发展现状 | 第11-12页 |
| ·车标识别技术发展现状 | 第12-13页 |
| ·本文的主要内容 | 第13页 |
| ·论文的结构安排 | 第13-15页 |
| 第二章 数据降维方法 | 第15-29页 |
| ·数据降维方法概述 | 第15-16页 |
| ·线性降维方法 | 第16-21页 |
| ·主成分分析(PCA) | 第16-19页 |
| ·线性判别式分析(LDA) | 第19-21页 |
| ·非线性降维方法 | 第21-27页 |
| ·多维尺度分析（MDS） | 第21-23页 |
| ·局部线性嵌入（LLE） | 第23-25页 |
| ·等距映射（Isomap） | 第25-26页 |
| ·拉普拉斯特征映射（Laplacian Eigenmaps） | 第26-27页 |
| ·各种降维算法的性能比较 | 第27-29页 |
| 第三章 基于主成分分析的车标识别方法 | 第29-43页 |
| ·基于PCA 的车标数据降维方法 | 第29-30页 |
| ·特征车标的建立 | 第29-30页 |
| ·相似度判别依据 | 第30-33页 |
| ·BP 神经网络 | 第30-32页 |
| ·欧式距离 | 第32-33页 |
| ·算法描述 | 第33-35页 |
| ·基于特征车标和BP 神经网络的车标识别算法 | 第33-35页 |
| ·基于特征车标和欧式距离的车标识别算法 | 第35页 |
| ·实验分析 | 第35-41页 |
| ·基于特征车标的车标识别 | 第35-37页 |
| ·基于线性判别式分析的车标识别 | 第37-40页 |
| ·基于局部线性嵌入的车标识别 | 第40-41页 |
| ·实验结果 | 第41页 |
| ·小结 | 第41-43页 |
| 第四章 基于样本融合的车标在车标识别中的应用 | 第43-51页 |
| ·样本融合的视觉心理学基础 | 第43-45页 |
| ·平均车标构建 | 第45-48页 |
| ·图像融合 | 第45-46页 |
| ·基于样本融合的车标的建立 | 第46-48页 |
| ·基于平均车标的车标识别算法 | 第48-49页 |
| ·实验分析 | 第49-50页 |
| ·基于单个平均车标与多个车标样本的车标识别比较 | 第49页 |
| ·基于平均车标的车标识别 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·研究工作总结 | 第51页 |
| ·研究工作展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间公开发表的论文 | 第59页 |