| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景和意义 | 第9页 |
| 1.2 交通标志识别系统组成 | 第9-10页 |
| 1.3 交通标志识别技术难点 | 第10页 |
| 1.4 交通标志检测算法研究现状 | 第10-11页 |
| 1.5 交通标志识别算法研究现状 | 第11-12页 |
| 1.6 本文主要工作 | 第12页 |
| 1.7 本文组织结构 | 第12-14页 |
| 第2章 交通标志检测基础 | 第14-24页 |
| 2.1 道路交通标志 | 第14-17页 |
| 2.2 常用的颜色模型 | 第17-19页 |
| 2.2.1 RGB颜色模型 | 第17页 |
| 2.2.2 HSI颜色模型 | 第17-18页 |
| 2.2.3 HSV颜色模型 | 第18-19页 |
| 2.3 交通标志预处理 | 第19-23页 |
| 2.3.1 去噪处理 | 第20-21页 |
| 2.3.2 对比度增强 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于边缘颜色对和特征筛选器的交通标志检测 | 第24-32页 |
| 3.1 算法基本思路与整体结构 | 第24页 |
| 3.2 边缘检测算法 | 第24-26页 |
| 3.2.1 Canny边缘检测 | 第24-25页 |
| 3.2.2 彩色边缘检测 | 第25-26页 |
| 3.3 边缘颜色对 | 第26-27页 |
| 3.3.1 边缘颜色对概念 | 第26-27页 |
| 3.3.2 交通标志的边缘颜色对集合 | 第27页 |
| 3.4 二级特征筛选器构建 | 第27-28页 |
| 3.4.1 面积特征筛选器 | 第27-28页 |
| 3.4.2 对称特征筛选器 | 第28页 |
| 3.5 算法各部分实现方法 | 第28-30页 |
| 3.6 实验结果与分析 | 第30-31页 |
| 3.7 本章小结 | 第31-32页 |
| 第4章 基于KPCA和SVM的交通标志识别 | 第32-53页 |
| 4.1 算法基本思路 | 第32页 |
| 4.2 HOG特征提取 | 第32-35页 |
| 4.3 HOG特征降维处理 | 第35-40页 |
| 4.3.1 基于PCA的降维处理 | 第35-37页 |
| 4.3.2 基于KPCA的降维处理 | 第37-40页 |
| 4.3.3 KPCA和PCA的降维效果对比分析 | 第40页 |
| 4.4 SVM分类器 | 第40-49页 |
| 4.4.1 SVM分类思想 | 第41-42页 |
| 4.4.2 SVM理论基础 | 第42-49页 |
| 4.5 基于KPCA和SVM交通标志识别算法的实现 | 第49-52页 |
| 4.5.1 数据集介绍 | 第49-50页 |
| 4.5.2 实现过程 | 第50-52页 |
| 4.5.3 实验结果与分析 | 第52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-54页 |
| 5.1 工作总结 | 第53页 |
| 5.2 研究展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间所开展的科研项目和发表的学术论文 | 第59页 |