| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的背景及意义 | 第10页 |
| 1.2 国内外研究现状与进展 | 第10-13页 |
| 1.2.1 交通标志检测算法的研究现状 | 第11-12页 |
| 1.2.2 交通标志分类识别算法的研究现状 | 第12-13页 |
| 1.3 本文的主要内容及安排 | 第13-16页 |
| 第2章 交通标志检测分类的基础知识和算法框架设计 | 第16-24页 |
| 2.1 交通标志的基础知识 | 第16-17页 |
| 2.2 颜色分割的基础知识 | 第17-20页 |
| 2.2.1 RGB与HSV空间模型介绍 | 第17-19页 |
| 2.2.2 RGB颜色模型与其HSV颜色模型的转换 | 第19-20页 |
| 2.3 形状检测的基础知识 | 第20-22页 |
| 2.3.1 梯度求取算法 | 第20-21页 |
| 2.3.2 轮廓提取算法 | 第21-22页 |
| 2.4 交通标志检测与识别系统的框架设计 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 交通标志的颜色分割 | 第24-38页 |
| 3.1 图像的预处理 | 第24-28页 |
| 3.1.1 Gamma校正 | 第24-25页 |
| 3.1.2 直方图均衡化 | 第25-26页 |
| 3.1.3 不同光照情况的处理 | 第26-28页 |
| 3.2 交通常用的颜色分割方法介绍 | 第28-32页 |
| 3.2.1 RGB差值法 | 第30页 |
| 3.2.2 SVF分割法及其改进算法 | 第30-31页 |
| 3.2.3 三分量色差法 | 第31-32页 |
| 3.2.4 HSV分割法 | 第32页 |
| 3.3 自适应混合灰度法 | 第32-33页 |
| 3.4 各种颜色分割方法的实验对比 | 第33-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 交通标志的形状检测 | 第38-68页 |
| 4.1 圆形交通标志的形状检测的常用方法 | 第38-41页 |
| 4.1.1 hough变换法 | 第38-39页 |
| 4.1.2 基于梯度信息的hough变换法 | 第39-40页 |
| 4.1.3 最小二乘轮廓拟合法 | 第40-41页 |
| 4.1.4 随机最小二乘椭圆拟合法 | 第41页 |
| 4.2 增强型椭圆最小二乘拟合法 | 第41-45页 |
| 4.2.1 一种改进的图像细化算法 | 第42-43页 |
| 4.2.2 毛刺去除算法 | 第43-44页 |
| 4.2.3 本文的圆形交通标志检测算法流程 | 第44-45页 |
| 4.3 三角形交通标志的形状检测的常用方法 | 第45-52页 |
| 4.3.1 模板法 | 第45-49页 |
| 4.3.2 基于hough直线段检测法的三角形检测 | 第49-52页 |
| 4.4 基于轮廓逼近的三角形检测算法 | 第52-57页 |
| 4.4.1 Douglas-Peucker轮廓逼近算法 | 第52页 |
| 4.4.2 轮廓的凸包检测 | 第52-55页 |
| 4.4.3 轮廓凹陷的检测与筛选 | 第55-56页 |
| 4.4.4 本文的三角形交通标志检测算法流程 | 第56-57页 |
| 4.5 圆形与三角形交通标志的形状检测实验对比 | 第57-63页 |
| 4.5.1 圆形交通标志检测实验对比 | 第57-61页 |
| 4.5.2 三角形交通标志检测实验对比 | 第61-63页 |
| 4.6 形状检测的综合流程图 | 第63-65页 |
| 4.7 本文颜色分割与形状检测方法在实际视频中的效果 | 第65-67页 |
| 4.8 本章小结 | 第67-68页 |
| 第5章 交通标志的特征提取与分类识别 | 第68-94页 |
| 5.1 图像特征提取 | 第68-74页 |
| 5.1.1 Hog特征介绍 | 第69-71页 |
| 5.1.2 PCA特征降维 | 第71-72页 |
| 5.1.3 样本图片的制作 | 第72-74页 |
| 5.2 几种分类算法介绍 | 第74-81页 |
| 5.2.1 BP神经网络 | 第75-77页 |
| 5.2.2 极限学习机 | 第77-79页 |
| 5.2.3 支持向量机 | 第79-81页 |
| 5.3 不同的机器学习算法的实验结果与分析 | 第81-90页 |
| 5.3.1 BP网络模型与参数设置 | 第82-83页 |
| 5.3.2 极限学习机的模型设置 | 第83-84页 |
| 5.3.3 支持向量机的模型与参数设置 | 第84-86页 |
| 5.3.4 实验结果对比与分析 | 第86-90页 |
| 5.4 本章小结 | 第90-94页 |
| 结论与展望 | 第94-96页 |
| 1、工作总结 | 第94-95页 |
| 2、存在的不足及研究工作展望 | 第95-96页 |
| 参考文献 | 第96-100页 |
| 攻读硕士学位期间发表的学术论文 | 第100-102页 |
| 致谢 | 第102页 |
