高速公路限速标志检测与识别技术研究
| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 1 绪论 | 第12-16页 |
| ·研究意义及应用 | 第12-13页 |
| ·论文的主要研究内容 | 第13页 |
| ·硬件平台和工具介绍 | 第13-14页 |
| ·主要硬件平台 | 第13-14页 |
| ·主要研究工具 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 2 交通标志检测与识别技术 | 第16-27页 |
| ·交通标志的基本知识 | 第16页 |
| ·交通标志检测与识别的关键技术 | 第16-23页 |
| ·预处理技术 | 第16-17页 |
| ·检测技术 | 第17-22页 |
| ·识别技术 | 第22-23页 |
| ·交通标志检测与识别的系统框架 | 第23-24页 |
| ·国内外研究现状 | 第24-26页 |
| ·国外研究现状 | 第24-25页 |
| ·国内研究现状 | 第25-26页 |
| ·交通标志识别系统研究中存在的问题 | 第26-27页 |
| 3 基于颜色信息的限速标志分割算法 | 第27-39页 |
| ·概述 | 第27页 |
| ·研究对象 | 第27-28页 |
| ·图像预处理 | 第28-33页 |
| ·图像增强技术 | 第28-30页 |
| ·图像几何尺寸变换 | 第30-31页 |
| ·图像复原技术 | 第31-33页 |
| ·基于RGB 颜色模型的图像分割 | 第33-37页 |
| ·基于RGB 颜色模型的图像分割 | 第34页 |
| ·基于HSI 颜色模型的图像分割 | 第34-35页 |
| ·图像二值化 | 第35-36页 |
| ·基于RGB 和HSI 颜色模型分割的比较 | 第36-37页 |
| ·中值滤波去除噪声 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于形状特征的限速标志检测算法 | 第39-49页 |
| ·概述 | 第39页 |
| ·基于圆形度参数的轮廓检测 | 第39-43页 |
| ·链码描述 | 第39-40页 |
| ·圆形度目标提取算法 | 第40-42页 |
| ·圆形轮廓去除 | 第42-43页 |
| ·数学形态学处理 | 第43-45页 |
| ·图像的膨胀 | 第43页 |
| ·图像的腐蚀 | 第43-45页 |
| ·边缘检测 | 第45-48页 |
| ·Roberts 边缘检测算子 | 第45-46页 |
| ·Sobel 边缘检测算子 | 第46页 |
| ·Prewitt 边缘检测算子 | 第46-47页 |
| ·Canny 边缘检测算子 | 第47-48页 |
| ·边缘检测效果分析 | 第48页 |
| ·本章小结 | 第48-49页 |
| 5 图像特征的提取与选择 | 第49-54页 |
| ·概述 | 第49页 |
| ·感兴趣区域定位 | 第49-50页 |
| ·数字字符分割 | 第50-51页 |
| ·模板匹配字符分割法 | 第50页 |
| ·聚类分析字符分割法 | 第50页 |
| ·直接投影法 | 第50-51页 |
| ·特征提取与选择 | 第51-53页 |
| ·Hu 不变矩理论 | 第51-52页 |
| ·仿射不变矩 | 第52页 |
| ·模板法提取特征 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 6 限速标志识别算法 | 第54-63页 |
| ·概述 | 第54页 |
| ·模板匹配识别 | 第54-56页 |
| ·训练集特征库的建立 | 第54-55页 |
| ·模板匹配识别 | 第55-56页 |
| ·基于BP 神经网络的限速标志识别 | 第56-61页 |
| ·BP 神经网络的结构模型 | 第56-57页 |
| ·BP 神经网络训练算法 | 第57-59页 |
| ·BP 网络的改进 | 第59-60页 |
| ·BP 神经网络分类器设计 | 第60-61页 |
| ·试验结果分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 7 结束语 | 第63-66页 |
| ·论文的研究工作和结论 | 第63-64页 |
| ·论文的局限性 | 第64页 |
| ·后续的研究工作 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 附录一 | 第71-73页 |
| 附录二 | 第73-76页 |
| 致谢 | 第76页 |
