| 郑重声明 | 第1-3页 |
| 摘要 | 第3-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 引言 | 第9-16页 |
| ·选题的来源与背景 | 第9-10页 |
| ·非接触智能IC卡不停车收费系统简介 | 第10-13页 |
| ·不停车收费系统的车道级功能描述 | 第10-12页 |
| ·非接触智能IC卡不停车收费系统的网络体系结构 | 第12-13页 |
| ·车型识别系统简介 | 第13-14页 |
| ·本文研究的主要内容及结构安排 | 第14-16页 |
| 第二章 基于视频的车型识别系统结构设计 | 第16-24页 |
| ·车型识别系统功能设计 | 第16页 |
| ·车型识别系统硬件组成 | 第16-18页 |
| ·CCD(Charge Coupled Device)摄像机 | 第16-17页 |
| ·视频采集卡 | 第17页 |
| ·图像处理计算机 | 第17-18页 |
| ·车型识别系统软件设计与实现 | 第18-24页 |
| ·视频捕获系统的设计与实现 | 第18-23页 |
| ·车型识别软件的设计与实现 | 第23-24页 |
| 第三章 图像预处理技术 | 第24-29页 |
| ·图像的概念 | 第24页 |
| ·颜色空间 | 第24-26页 |
| ·图像平滑 | 第26页 |
| ·图像分割 | 第26-27页 |
| ·数学形态学图像处理 | 第27-29页 |
| 第四章 视频序列中运动目标检测与分割 | 第29-38页 |
| ·运动目标检测与分割算法介绍 | 第29-30页 |
| ·光流法 | 第29页 |
| ·背景图像差分法 | 第29-30页 |
| ·帧间差分法 | 第30页 |
| ·改进算法 | 第30-32页 |
| ·改进算法中的关键技术 | 第32-34页 |
| ·阴影检测 | 第32-33页 |
| ·基于HVS彩色图像差值算法 | 第33页 |
| ·阈值选取 | 第33-34页 |
| ·滤波去除噪声 | 第34页 |
| ·目标分割 | 第34页 |
| ·实验结果 | 第34-38页 |
| 第五章 车型特征提取 | 第38-47页 |
| ·轮廓跟踪与Freeman链码的编码过程 | 第38-41页 |
| ·轮廓跟踪原理 | 第38-39页 |
| ·Freeman链码原理 | 第39-40页 |
| ·图像轮廓平滑 | 第40-41页 |
| ·轮廓跟踪实验结果 | 第41页 |
| ·车型特征计算 | 第41-47页 |
| ·车长H与车宽W | 第43页 |
| ·周长L | 第43页 |
| ·面积S | 第43页 |
| ·基于Freeman链码的图像不变矩特征计算 | 第43-47页 |
| 第六章 基于支持向量机的车型识别器设计与实现 | 第47-67页 |
| ·模式识别基础 | 第47-50页 |
| ·模式识别的定义 | 第47页 |
| ·模式识别系统的组成 | 第47-49页 |
| ·模式识别分类 | 第49-50页 |
| ·统计学习理论 | 第50-53页 |
| ·经验风险最小化 | 第50-51页 |
| ·VC维的概念 | 第51-52页 |
| ·推广性的界 | 第52页 |
| ·结构风险最小化 | 第52-53页 |
| ·支持向量机理论 | 第53-58页 |
| ·最优超平面 | 第54-56页 |
| ·广义最优超平面 | 第56-58页 |
| ·SVM的优点 | 第58页 |
| ·SVM车型分类器的设计 | 第58-67页 |
| ·SVM现有多类分类算法 | 第58-60页 |
| ·基于SVM的车型分类器的设计 | 第60-64页 |
| ·试验结果与分析 | 第64-67页 |
| 第七章 总结与展望 | 第67-68页 |
| ·总结 | 第67页 |
| ·有待进一步研究的问题 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录1：攻读学位期间科研与发表的主要论文 | 第72页 |