| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.3 本课题的研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-16页 |
| 第2章 基本理论知识 | 第16-26页 |
| 2.1 模式识别 | 第16-17页 |
| 2.2 信息熵理论 | 第17-21页 |
| 2.2.1 信息熵定义 | 第17页 |
| 2.2.2 模式识别统一信息熵理论 | 第17-20页 |
| 2.2.3 信息熵在特征提取中的应用 | 第20-21页 |
| 2.3 知识表征 | 第21-24页 |
| 2.3.1 知识表征概述 | 第21页 |
| 2.3.2 知识表征方法 | 第21-24页 |
| 2.3.3 知识表征应用现状 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于信息熵的特征选择与提取算法研究 | 第26-48页 |
| 3.1 图像特征简介 | 第26-30页 |
| 3.1.1 轮廓形状特征 | 第26-27页 |
| 3.1.2 几何特征 | 第27-30页 |
| 3.2 基于信息熵的特征选择方法 | 第30-34页 |
| 3.2.1 特征提取与选择的必要性 | 第30-31页 |
| 3.2.2 基于信息熵的特征选择方法 | 第31-34页 |
| 3.3 特征提取算法 | 第34-45页 |
| 3.3.1 基于改进边缘检测的轮廓特征提取 | 第34-40页 |
| 3.3.2 基于 Radon 变换的内部图符多特征提取 | 第40-45页 |
| 3.4 基于聚类分析的特征分类方法 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于知识表征的图像特征描述 | 第48-62页 |
| 4.1 基于知识表征的图像特征描述 | 第48-57页 |
| 4.1.1 图像特征描述 | 第48-49页 |
| 4.1.2 知识库的构建 | 第49-52页 |
| 4.1.3 判读规则库 | 第52-57页 |
| 4.2 判读系统模型 | 第57-61页 |
| 4.2.1 通用处理层 | 第58页 |
| 4.2.2 上下文层 | 第58页 |
| 4.2.3 算法实现 | 第58-61页 |
| 4.3 本章小结 | 第61-62页 |
| 第5章 实验结果与分析 | 第62-76页 |
| 5.1 交通指示标志判读仿真系统搭建 | 第62-68页 |
| 5.1.1 图像预处理 | 第62-63页 |
| 5.1.2 知识库的构建与初始化 | 第63-66页 |
| 5.1.3 交通指示标志判读仿真系统搭建 | 第66-68页 |
| 5.2 算法验证与仿真结果分析 | 第68-75页 |
| 5.3 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 作者简介及科研成果 | 第84-86页 |
| 致谢 | 第86页 |