摘要 | 第1-13页 |
ABSTRACT | 第13-16页 |
第一章 绪论 | 第16-32页 |
·课题研究背景及意义 | 第16-17页 |
·国内外交通标志简介 | 第17-20页 |
·交通标志识别系统研究现状介绍 | 第20-26页 |
·感兴趣区域提取方法 | 第21-22页 |
·交通标志检测方法 | 第22-24页 |
·交通标志识别方法 | 第24-26页 |
·交通标志公开数据库 | 第26-27页 |
·存在的问题 | 第27-29页 |
·论文的主要研究内容 | 第29-31页 |
·章节安排 | 第31-32页 |
第二章 复杂背景下的多类别交通标志感兴趣区域提取 | 第32-48页 |
·前言 | 第32页 |
·基于颜色空间的感兴趣区域提取方法介绍 | 第32-38页 |
·颜色空间阈值化分析 | 第32-36页 |
·彩色和非彩色分解 | 第36-38页 |
·基于高对比度特征的感兴趣区域提取方法 | 第38-45页 |
·基于HCRE的感兴趣区域提取 | 第39-44页 |
·参数训练方法 | 第44-45页 |
·实验结果和分析 | 第45-47页 |
·本章小结 | 第47-48页 |
第三章 基于分流级联的多类别交通标志检测 | 第48-78页 |
·前言 | 第48-49页 |
·基于AdaBoost和Cascade的检测算法介绍 | 第49-54页 |
·基于分流级联机制的多类别交通标志检测 | 第54-66页 |
·MN-LBP和TMN-LBP特征 | 第54-57页 |
·分流级联结构(Split-Flow Cascade Structure) | 第57-59页 |
·基于CF.AdaBoost的共同特征查找方法 | 第59-66页 |
·实验结果和分析 | 第66-76页 |
·MN-LBP和TMN-LBP特征的实验分析 | 第68-70页 |
·SFC-tree结构和CF.AdaBoost训练算法的实验分析 | 第70-71页 |
·多类别标志检测方法的整体表现 | 第71-75页 |
·算法的时间复杂度分析及适用范围分析 | 第75-76页 |
·本章小结 | 第76-78页 |
第四章 特殊情况下的交通标志检测 | 第78-98页 |
·前言 | 第78页 |
·存在较大遮挡情况下的交通标志检测 | 第78-87页 |
·三维矩形块特征 | 第79-81页 |
·遮挡鲁棒的标志牌检测框架 | 第81-83页 |
·实验结果和分析 | 第83-87页 |
·存在较大拍摄角度情况下的交通标志检测 | 第87-97页 |
·正面交通标志牌检测和颜色提取 | 第88-90页 |
·较大拍摄角度情况下的标志牌分割 | 第90-92页 |
·多角度标志牌检测 | 第92-95页 |
·实验结果和分析 | 第95-97页 |
·本章小结 | 第97-98页 |
第五章 交通标志识别分类方法和识别系统框架 | 第98-124页 |
·前言 | 第98页 |
·相关分类方法介绍 | 第98-102页 |
·多类SVM线性分类方法介绍 | 第98-101页 |
·基于稀疏表示理论(SRC)的识别方法介绍 | 第101-102页 |
·由粗到精的多类别交通标志识别方法 | 第102-113页 |
·结合SFC-tree检测结果的粗分类方法 | 第103-104页 |
·基于ESRC的细分类方法 | 第104-109页 |
·实验结果和分析 | 第109-113页 |
·特殊情况下的交通标志识别方法 | 第113-117页 |
·存在较大遮挡情况下的交通标志识别 | 第114页 |
·存在较大拍摄角度情况下的交通标志识别 | 第114-115页 |
·实验结果和分析 | 第115-117页 |
·交通标志识别系统框架 | 第117-122页 |
·针对不同应用的交通标志识别系统 | 第117-119页 |
·实验结果和分析 | 第119-122页 |
·本章小结 | 第122-124页 |
第六章 研究工作的总结和展望 | 第124-128页 |
·本文总结 | 第124-126页 |
·本文的主要研究成果 | 第124-126页 |
·存在的不足 | 第126页 |
·研究展望 | 第126-128页 |
参考文献 | 第128-138页 |
致谢 | 第138-140页 |
攻读学位期间发表的学术论文 | 第140-142页 |
攻读学位期间参与的科研项目 | 第142-144页 |
学位论文评阅及答辩情况表 | 第144-145页 |
附件 | 第145-168页 |