面向交通车辆图像的图拓扑表示方法
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的及意义 | 第10-11页 |
| 1.2.1 研究目的 | 第10页 |
| 1.2.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 图像的图拓扑表示研究现状 | 第11-12页 |
| 1.3.2 车辆表示模型研究现状 | 第12页 |
| 1.3.3 车型图像检索研究现状 | 第12-13页 |
| 1.3.4 图数据库研究现状 | 第13页 |
| 1.4 性能衡量指标 | 第13-14页 |
| 1.5 论文研究内容及创新点 | 第14-15页 |
| 1.5.1 主要研究内容 | 第14-15页 |
| 1.5.2 主要创新点 | 第15页 |
| 1.6 论文的组织结构 | 第15-17页 |
| 第二章 车辆图像的加权结构图模型表示 | 第17-33页 |
| 2.1 WSG方法原理 | 第17-18页 |
| 2.2 数据预处理 | 第18-19页 |
| 2.3 图模型初始化 | 第19-20页 |
| 2.4 无权图模型优化 | 第20-24页 |
| 2.4.1 优选规则 | 第20-21页 |
| 2.4.2 图节点优选 | 第21页 |
| 2.4.3 图属性优选 | 第21-24页 |
| 2.5 图模型加权 | 第24页 |
| 2.6 实验结果与分析 | 第24-32页 |
| 2.6.1 实验数据分析 | 第24-27页 |
| 2.6.2 图节点优选 | 第27-28页 |
| 2.6.3 图属性优选 | 第28-31页 |
| 2.6.4 图模型加权 | 第31-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第三章 基于WSG和支持向量机的车型图像识别 | 第33-42页 |
| 3.1 车型图像识别 | 第33-34页 |
| 3.2 SVM分类器 | 第34-37页 |
| 3.2.1 构造最优超平面 | 第35页 |
| 3.2.2 最优化问题 | 第35-36页 |
| 3.2.3 线性不可分问题 | 第36-37页 |
| 3.3 实验结果与分析 | 第37-40页 |
| 3.3.1 SVM训练参数确定 | 第37-38页 |
| 3.3.2 单属性车型识别 | 第38页 |
| 3.3.3 不同方法实验结果对比 | 第38-40页 |
| 3.3.4 同类品牌不同车型识别分析 | 第40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 融合局部二值模式和WSG的车型图像检索 | 第42-52页 |
| 4.1 车型图像检索 | 第42-43页 |
| 4.2 局部二值模式 | 第43-45页 |
| 4.2.1 LBP基本思想 | 第43页 |
| 4.2.2 LBP相关研究 | 第43-44页 |
| 4.2.3 等价LBP特征计算与表示 | 第44-45页 |
| 4.3 特征融合 | 第45-46页 |
| 4.4 实验结果与分析 | 第46-51页 |
| 4.4.1 LBP特征提取与检索 | 第46-49页 |
| 4.4.2 融合权重调整 | 第49页 |
| 4.4.3 检索实验结果与分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于图数据库的时空交通图像表示和路径检索 | 第52-65页 |
| 5.1 NEO4J数据库 | 第52-53页 |
| 5.2 时空路径检索框架 | 第53页 |
| 5.3 时空表示模型 | 第53-56页 |
| 5.3.1 获取时空交通数据 | 第54页 |
| 5.3.2 创建时空图模型 | 第54-56页 |
| 5.4 车辆路径检索 | 第56-59页 |
| 5.4.1 检索车辆轨迹 | 第56-58页 |
| 5.4.2 按时间段检索 | 第58页 |
| 5.4.3 按区域检索 | 第58-59页 |
| 5.5 实验结果与分析 | 第59-64页 |
| 5.5.1 实验数据 | 第59-60页 |
| 5.5.2 数据导入过程 | 第60-62页 |
| 5.5.3 时空检索结果与分析 | 第62-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第73页 |
