| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 道路交通标志的检测 | 第10-13页 |
| 1.2.2 道路交通标志的识别 | 第13-15页 |
| 1.3 本文的主要内容和组织结构 | 第15-16页 |
| 第2章 交通标志特征的提取及其识别方法 | 第16-35页 |
| 2.1 图像颜色空间 | 第16-19页 |
| 2.1.1 RGB颜色模型 | 第16-17页 |
| 2.1.2 HSV颜色模型 | 第17-18页 |
| 2.1.3 LUV颜色模型 | 第18-19页 |
| 2.2 交通标志特征提取 | 第19-27页 |
| 2.2.1 Dense-SIFT特征 | 第19-21页 |
| 2.2.2 BOW模型 | 第21-23页 |
| 2.2.3 方向梯度直方图 | 第23-24页 |
| 2.2.4 局部二值模式LBP | 第24-25页 |
| 2.2.5 积分通道特征 | 第25-27页 |
| 2.3 识别方法 | 第27-34页 |
| 2.3.1 支持向量机 | 第27-31页 |
| 2.3.2 Adaboost | 第31-34页 |
| 2.4 本章小节 | 第34-35页 |
| 第3章 基于聚合通道特征的交通标志检测方法 | 第35-54页 |
| 3.1 交通标志图像的预处理 | 第36-41页 |
| 3.1.1 自适应直方图均衡化 | 第36-40页 |
| 3.1.2 基于CLAHE的彩色图像增强算法 | 第40-41页 |
| 3.2 聚合通道特征 | 第41-42页 |
| 3.3 快速特征金字塔 | 第42-44页 |
| 3.4 交通标志检测方法 | 第44-49页 |
| 3.4.1 Adaboost | 第44-47页 |
| 3.4.2 非极大值抑制滑动窗口法 | 第47-49页 |
| 3.5 实验及其分析 | 第49-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 融合式空间塔式算子和HIK-SVM的交通标志识别方法 | 第54-66页 |
| 4.1 融合式空间塔式直方图特征的提取 | 第54-60页 |
| 4.1.1 PHOW特征的提取 | 第55-57页 |
| 4.1.2 PHOG特征的提取 | 第57-59页 |
| 4.1.3 特征融合 | 第59-60页 |
| 4.2 支持向量机类型的选择 | 第60-61页 |
| 4.3 实验结果及其分析 | 第61-65页 |
| 4.3.1 数据库选择 | 第61-62页 |
| 4.3.2 实验描述 | 第62-63页 |
| 4.3.3 实验分析 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间的科研成果 | 第74页 |