| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-11页 |
| ·引言 | 第8页 |
| ·车型识别的技术研究历史及现状 | 第8-9页 |
| ·本文研究的主要的内容 | 第9-10页 |
| ·本文的特点及创新 | 第10-11页 |
| 第2章 基于小波分析与支持向量机的车辆识别技术 | 第11-28页 |
| ·车型识别技术的基本概念 | 第11-16页 |
| ·车型识别的基本过程 | 第11-12页 |
| ·车辆定位技术 | 第12页 |
| ·边缘检测 | 第12-14页 |
| ·基于图像的特征 | 第14-15页 |
| ·车辆识别算法 | 第15-16页 |
| ·基于小波分析与支持向量机的车辆识别技术概述 | 第16-28页 |
| ·车辆初步定位技术 | 第16-19页 |
| ·基于图像的车型特征选择及描述方法 | 第19-26页 |
| ·小波去噪及多层次特征提取 | 第26-27页 |
| ·基于SVM的分类法 | 第27-28页 |
| 第3章 基于小波多尺度的特征提取方法 | 第28-42页 |
| ·小波变换理论 | 第28-36页 |
| ·连续小波变换 | 第28-29页 |
| ·离散小波变换 | 第29-31页 |
| ·多分辨率分析与 Mallat 算法 | 第31-36页 |
| ·小波多尺度边缘检测 | 第36-37页 |
| ·基于小波层间相关性的边缘检测算法 | 第37-39页 |
| ·基于小波的多尺度特征提取方法 | 第39-42页 |
| 第4章 基于 SVM 的多尺度特征车型识别法 | 第42-61页 |
| ·支持向量及理论 | 第42-49页 |
| ·支持向量机 | 第42-46页 |
| ·支持向量机的训练算法 | 第46-48页 |
| ·用于多类分类的支持向量机 | 第48-49页 |
| ·SVM 与最近邻法相结合方法 | 第49-52页 |
| ·最近邻法 | 第49-50页 |
| ·SVM 与最近邻法相结合方法 | 第50-52页 |
| ·基于动态 Boosting 算法的 SVM 增强分类器 | 第52-57页 |
| ·Adaboost 算法概述 | 第53-54页 |
| ·动态Boosting 算法 | 第54-56页 |
| ·基于动态boosting 算法的SVM 增强分类器 | 第56-57页 |
| ·实验结果及分析 | 第57-61页 |
| ·数据准备 | 第57-58页 |
| ·图像预处理 | 第58页 |
| ·基于小波层间相关性的滤波 | 第58-59页 |
| ·多尺度车型特征提取 | 第59-60页 |
| ·训练分类器和识别结果 | 第60-61页 |
| 第5章 总结与进一步的工作 | 第61-63页 |
| ·主要研究成果 | 第61页 |
| ·进一步的工作 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-65页 |