论文目录 | |
摘要 | 第1-6页 |
Abstract | 第6-13页 |
第1章 绪论 | 第13-25页 |
1.1 研究背景及意义 | 第13-14页 |
1.2 基于图像识别理论的智能交通系统 | 第14-16页 |
1.3 智能交通系统中的图像识别相关技术研究现状 | 第16-21页 |
1.3.1 基于图像识别理论的智能泊车技术研究现状 | 第16-18页 |
1.3.2 基于图像识别理论的车牌识别技术研究现状 | 第18-19页 |
1.3.3 基于图像识别理论的车辆识别技术研究现状 | 第19-21页 |
1.4 本文的主要工作与研究成果 | 第21-23页 |
1.5 本文的整体结构安排 | 第23-25页 |
第2章 图像识别基本方法及关键技术 | 第25-41页 |
2.1 图像识别方法的基本框架 | 第25页 |
2.2 图像预处理技术 | 第25-31页 |
2.2.1 彩色图像灰度化 | 第26-27页 |
2.2.2 灰度图像二值化 | 第27-28页 |
2.2.3 图像增强 | 第28-29页 |
2.2.4 图像去噪 | 第29-30页 |
2.2.5 图像分割 | 第30-31页 |
2.3 图像特征提取算法 | 第31-35页 |
2.4 图像分类算法 | 第35-37页 |
2.4.1 有监督分类方法 | 第36-37页 |
2.4.2 无监督聚类方法 | 第37页 |
2.5 计算机视觉基础理论 | 第37-40页 |
2.6 本章小结 | 第40-41页 |
第3章 基于摄像机标定模型的智能泊车系统算法研究 | 第41-83页 |
3.1 智能泊车系统的基本框架 | 第42-43页 |
3.2 传统的智能泊车轨迹算法研究 | 第43-48页 |
3.2.1 阿克曼转向几何特性理论 | 第43-44页 |
3.2.2 侧方位泊车轨迹算法分析 | 第44-47页 |
3.2.3 垂直倒车轨迹算法分析 | 第47-48页 |
3.3 基于摄像机标定的智能泊车算法 | 第48-72页 |
3.3.1 传统摄像机标定算法 | 第48-60页 |
3.3.2 基于改进畸变模型及初值优化的摄像机标定算法 | 第60-65页 |
3.3.3 基于改进摄像机标定模型的智能泊车轨迹算法 | 第65-72页 |
3.4 实验结果与分析 | 第72-82页 |
3.4.1 采集帧率测试 | 第72-74页 |
3.4.2 泊车轨迹精度测试 | 第74-82页 |
3.5 本章小结 | 第82-83页 |
第4章 车牌识别关键算法研究 | 第83-111页 |
4.1 车牌识别图像预处理算法研究 | 第83-89页 |
4.1.1 车牌图像增强处理 | 第84-85页 |
4.1.2 车牌图像去噪处理 | 第85-89页 |
4.2 基于多重分形维数的车牌图像二值化 | 第89-92页 |
4.2.1 差分盒子维数算法 | 第89-90页 |
4.2.2 差分盒子维数改进算法 | 第90-91页 |
4.2.3 基于改进差分盒分形维数的灰度图像二值化 | 第91-92页 |
4.3 基于边缘检测精度的车牌定位算法 | 第92-95页 |
4.3.1 基于传统Sobel算子的图像边缘检测算法 | 第92-93页 |
4.3.2 基于Sobel算子的图像边缘检测改进算法 | 第93-94页 |
4.3.3 基于Sobel算子的车牌精确定位改进算法 | 第94-95页 |
4.4 车牌字符校正分割算法 | 第95-102页 |
4.4.1 基于Radon变换字符校正的改进算法 | 第95-97页 |
4.4.2 基于垂直投影法的车牌单字符分割改进算法 | 第97-100页 |
4.4.3 基于车牌字符边框归一化的改进算法 | 第100-102页 |
4.5 基于改进隐马尔科夫模型的车牌字符识别算法 | 第102-107页 |
4.5.1 隐马尔可夫模型 | 第102-103页 |
4.5.2 改进隐马尔可夫模型 | 第103-105页 |
4.5.3 基于隐马尔科夫模型的鲁棒性特征提取 | 第105-106页 |
4.5.4 分类器的构造和实施 | 第106-107页 |
4.6 实验结果与分析 | 第107-110页 |
4.6.1 基于改进分形维数方法的二值化测试 | 第107-108页 |
4.6.2 基于EHMM车牌字符识别测试 | 第108-109页 |
4.6.3 多种车牌识别算法测试结果比较 | 第109页 |
4.6.4 本文算法评估 | 第109-110页 |
4.7 本章小结 | 第110-111页 |
第5章 车辆识别关键技术研究 | 第111-139页 |
5.1 基于改进SIFT算子与BP网络相融合的车标识别算法 | 第112-127页 |
5.1.1 车标识别技术概述 | 第112-114页 |
5.1.2 车标特征描述子的构造 | 第114-116页 |
5.1.3 基于改进SIFT算法的车标特征提取 | 第116-122页 |
5.1.4 基于神经网络的车标识别算法 | 第122-124页 |
5.1.5 实验结果及分析 | 第124-127页 |
5.2 基于改进HOG特征与SVM分类器结合的车型识别算法 | 第127-138页 |
5.2.1 对HOG特征算法改进 | 第127-129页 |
5.2.2 基于改进HOG算法的车型图像特征提取 | 第129-132页 |
5.2.3 SVM模型训练 | 第132-135页 |
5.2.4 实验结果及分析 | 第135-138页 |
5.3 本章小结 | 第138-139页 |
第6章 总结与展望 | 第139-142页 |
6.1 论文的基础性工作 | 第139页 |
6.2 论文的创新性工作 | 第139-140页 |
6.3 进一步的研究工作 | 第140-142页 |
参考文献 | 第142-166页 |
作者简介及在学期间所取得的科研成果 | 第166-169页 |
致谢 | 第169页 |