交通标志的自动检测和识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 基于预处理的方法 | 第11页 |
| 1.2.2 预处理与分类结合的方法 | 第11-12页 |
| 1.2.3 特征提取与分类结合的方法 | 第12-13页 |
| 1.3 交通标志识别存在的难点 | 第13-14页 |
| 1.4 本文的主要任务 | 第14-15页 |
| 1.5 本文的组织结构 | 第15-16页 |
| 第二章 相关技术基础 | 第16-23页 |
| 2.1 彩色空间应用分析 | 第16-18页 |
| 2.1.1 RGB彩色空间 | 第16-17页 |
| 2.1.2 Lab彩色空间 | 第17-18页 |
| 2.1.3 HSV彩色空间 | 第18页 |
| 2.2 图像平滑预处理对比 | 第18-22页 |
| 2.2.1 均值滤波 | 第19页 |
| 2.2.2 高斯滤波 | 第19-21页 |
| 2.2.3 中值滤波 | 第21页 |
| 2.2.4 实验结果对比 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 交通标志图像分割技术 | 第23-30页 |
| 3.1 均值漂移 | 第23-27页 |
| 3.1.1 均值漂移基本原理 | 第23-24页 |
| 3.1.2 均值漂移核函数 | 第24-25页 |
| 3.1.3 均值漂移算法应用 | 第25-27页 |
| 3.2 均值漂移算法实现 | 第27页 |
| 3.3 均值漂移算法分割效果 | 第27-28页 |
| 3.4 本章小结 | 第28-30页 |
| 第四章 交通标志图像识别方法 | 第30-36页 |
| 4.1 总体流程 | 第30页 |
| 4.2 HOG特征 | 第30-33页 |
| 4.2.1 HOG特征基本原理 | 第31页 |
| 4.2.2 HOG特征提取及应用 | 第31-33页 |
| 4.3 SVM分类器 | 第33-34页 |
| 4.3.1 SVM分类器原理 | 第33-34页 |
| 4.3.2 SVM分类器核函数 | 第34页 |
| 4.3.3 SVM分类器应用 | 第34页 |
| 4.4 本章小结 | 第34-36页 |
| 第五章 系统原型设计与识别实验测试 | 第36-41页 |
| 5.1 系统组成 | 第36-38页 |
| 5.2 图像识别实验结果分析 | 第38-40页 |
| 5.2.1 实验数据 | 第38页 |
| 5.2.2 实验结果 | 第38-40页 |
| 5.3 本章小结 | 第40-41页 |
| 第六章 总结与展望 | 第41-43页 |
| 6.1 本文总结 | 第41页 |
| 6.2 后续工作展望 | 第41-43页 |
| 参考文献 | 第43-48页 |
| 硕士期间发表论文情况 | 第48-49页 |
| 致谢 | 第49-50页 |
