| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第4-8页 |
| 绪论 | 第8-14页 |
| 1 课题背景和意义 | 第8-10页 |
| 2 国内外研究现状 | 第10-11页 |
| 3 课题来源和研究内容 | 第11-14页 |
| 第一章 基于脉冲神经网络模型的车辆车型识别系统总体方案设计 | 第14-20页 |
| 第一节 引言 | 第14页 |
| 第二节 车辆车型识别系统总体框架 | 第14-15页 |
| 第三节 实现系统的总体流程 | 第15-16页 |
| 第四节 车辆车型识别系统的工作原理及实现方案 | 第16-18页 |
| 第五节 本章小结 | 第18-20页 |
| 第二章 视频图像处理基础及平台设计 | 第20-30页 |
| 第一节 引言 | 第20页 |
| 第二节 图像处理平台的设计 | 第20-22页 |
| 第三节 图像处理平台实现的主要功能 | 第22-23页 |
| 第四节 图像处理平台中采用的图像处理技术和算法 | 第23-28页 |
| 第五节 本章小结 | 第28-30页 |
| 第三章 基于脉冲神经网络的运动车辆的边沿检测 | 第30-36页 |
| 第一节 引言 | 第30页 |
| 第二节 用于边缘检测的脉冲神经元网络模型 | 第30-32页 |
| 第三节 脉冲神经元模型和感受野 | 第32-33页 |
| 第四节 网络模型在车型边缘检测的仿真结果 | 第33-35页 |
| 第五节 本章小结 | 第35-36页 |
| 第四章 车辆特征提取 | 第36-42页 |
| 第一节 常见的车辆特征 | 第36-37页 |
| 第二节 车辆边缘直线段不变线矩 | 第37-39页 |
| 第三节 特征提取软件设计 | 第39-40页 |
| 第四节 本章小结 | 第40-42页 |
| 第五章 基于BP神经网络的运动车辆车型识别和分类 | 第42-50页 |
| 第一节 人工神经网络的特点 | 第42页 |
| 第二节 BP神经网络典型模型 | 第42-44页 |
| 第三节 BP神经网络设计 | 第44-45页 |
| 第四节 用于车辆车型识别的神经网络设计 | 第45-47页 |
| 第五节 实验结果分析 | 第47-49页 |
| 第六节 本章小结 | 第49-50页 |
| 结论与展望 | 第50-52页 |
| 附录1 图像捕获程序设计 | 第52-54页 |
| 附录2 图像灰度化程序设计 | 第54-56页 |
| 附录3 提取特征值程序 | 第56-62页 |
| 附录4 HU矩 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读学位期间承担的科研任务与主要成果 | 第70-72页 |
| 致谢 | 第72-74页 |
| 个人简历 | 第74-76页 |