| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·课题研究 | 第11-12页 |
| ·研究的目的和意义 | 第12-14页 |
| ·交通标志识别研究中存在的问题 | 第14页 |
| ·国内外研究现状 | 第14-18页 |
| ·论文的结构安排 | 第18-20页 |
| 第2章 交通标志的设置原则 | 第20-27页 |
| ·交通标志的基本知识 | 第20-24页 |
| ·禁令标志的内容 | 第20-22页 |
| ·警告标志的内容 | 第22页 |
| ·指示标志的内容 | 第22-24页 |
| ·交通标志的设置原则 | 第24-26页 |
| ·交通标志设置的地点 | 第24页 |
| ·交通标志的设置角度 | 第24-25页 |
| ·交通标志的安装高度 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于颜色-形状的交通标志图像识别的算法研究 | 第27-59页 |
| ·彩色模型介绍 | 第27-32页 |
| ·RGB 彩色空间模型 | 第27-28页 |
| ·HSI 彩色空间模型 | 第28-30页 |
| ·HSV 彩色空间模型 | 第30-32页 |
| ·图像的预处理 | 第32-37页 |
| ·图像增强技术 | 第32-33页 |
| ·图像几何尺寸变换 | 第33-34页 |
| ·图像噪声过滤 | 第34-37页 |
| ·图像分割 | 第37-43页 |
| ·基于色彩空间模型的交通标志分割 | 第38-41页 |
| ·基于纹理特征分析的交通标志分割 | 第41-43页 |
| ·特征提取的基本概念 | 第43-44页 |
| ·概述 | 第43-44页 |
| ·特征选择 | 第44页 |
| ·交通标志识别中的图像特征提取 | 第44-51页 |
| ·边缘算子 | 第44-47页 |
| ·数学形态学 | 第47-50页 |
| ·Hough 变换 | 第50-51页 |
| ·交通标志形状特征的提取 | 第51-58页 |
| ·形状特征几何参数 | 第51-53页 |
| ·Hu 不变矩理论 | 第53-55页 |
| ·不变矩的扩展 | 第55-56页 |
| ·不变矩的提取流程 | 第56页 |
| ·交通标志特征提取实验结果 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第4章 统计学习理论和支持向量机 | 第59-68页 |
| ·统计学习基本理论 | 第59-61页 |
| ·VC 维问题 | 第59页 |
| ·推广性的界 | 第59-60页 |
| ·结构风险最小化 | 第60-61页 |
| ·基于神经网络的交通标志识别 | 第61-66页 |
| ·支持向量机理论 | 第62-64页 |
| ·支持向量机 | 第64-65页 |
| ·支持向量机的核函数 | 第65-66页 |
| ·决策树支持向量机多分类器 | 第66页 |
| ·本章小结 | 第66-68页 |
| 第5章 系统实现及运行结果 | 第68-76页 |
| ·系统功能介绍 | 第68页 |
| ·数据准备阶段 | 第68-72页 |
| ·硬件平台 | 第69页 |
| ·主要研究工具 | 第69-70页 |
| ·动态交通标志图像的获取 | 第70页 |
| ·数据准备 | 第70-72页 |
| ·SVM 训练和识别 | 第72-73页 |
| ·基于颜色—形状模型的交通标志分类 | 第72页 |
| ·SVM 分类训练 | 第72-73页 |
| ·系统识别 | 第73页 |
| ·实验结果和分析 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 作者简介 | 第85页 |