| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.3 本文的主要研究内容及技术路线 | 第12-13页 |
| 1.4 本文的结构安排 | 第13-15页 |
| 2 车辆感兴趣区域提取方法 | 第15-27页 |
| 2.1 图像预处理 | 第15-21页 |
| 2.1.1 图像灰度化 | 第15-16页 |
| 2.1.2 图像去噪处理 | 第16-19页 |
| 2.1.3 图像形态学处理 | 第19-21页 |
| 2.2 基于车辆底部阴影特征的感兴趣区域提取 | 第21-26页 |
| 2.2.1 车辆底部阴影自适应阈值方法 | 第21-24页 |
| 2.2.2 车辆底部阴影边缘提取 | 第24-26页 |
| 2.2.3 车辆感兴趣区域确定 | 第26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 车辆多特征融合算法 | 第27-41页 |
| 3.1 车辆图像的特征提取 | 第27-30页 |
| 3.1.1 角点特征提取 | 第27-28页 |
| 3.1.2 边缘特征提取 | 第28-29页 |
| 3.1.3 纹理特征提取 | 第29-30页 |
| 3.2 基于加权马氏距离的车辆多特征融合算法 | 第30-34页 |
| 3.2.1 加权马氏距离算法描述 | 第30-31页 |
| 3.2.2 多特征融合算法验证 | 第31-34页 |
| 3.3 基于类间方差的车辆多特征融合算法 | 第34-36页 |
| 3.3.1 类间方差算法描述 | 第34页 |
| 3.3.2 多特征融合算法验证 | 第34-36页 |
| 3.4 基于Fisher准则的车辆多特征融合算法 | 第36-40页 |
| 3.4.1 Fisher准则算法描述 | 第36-37页 |
| 3.4.2 多特征融合算法验证 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 基于多特征融合级联分类器的车辆检测方法 | 第41-61页 |
| 4.1 Harr-like特征 | 第41-45页 |
| 4.1.1 Harr-like矩形特征的定义 | 第42-44页 |
| 4.1.2 计算子窗口中Harr-like矩形特征数量 | 第44页 |
| 4.1.3 积分图像计算Harr-like特征 | 第44-45页 |
| 4.2 Adaboost算法 | 第45-49页 |
| 4.2.1 Adaboost算法介绍 | 第45-47页 |
| 4.2.2 Discrete Adaboost算法 | 第47-48页 |
| 4.2.3 Gentle Adaboost算法 | 第48-49页 |
| 4.3 多特征融合级联分类器设计 | 第49-54页 |
| 4.3.1 弱分类器设计 | 第50页 |
| 4.3.2 多特征融合级联分类器的生成 | 第50-54页 |
| 4.4 仿真与实验结果分析 | 第54-60页 |
| 4.4.1 实验平台 | 第54页 |
| 4.4.2 训练样本集的建立 | 第54-55页 |
| 4.4.3 分类器的训练 | 第55-56页 |
| 4.4.4 实验结果及分析 | 第56-60页 |
| 4.5 总结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录 | 第69页 |
| A. 作者在攻读学位期间发表的论文（和专利）目录 | 第69页 |
| B. 作者在攻读学位期间参与的科研项目 | 第69页 |