复杂道路环境中的实时交通标志检测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 交通标志简介与本文数据库 | 第16-20页 |
| 1.3.1 交通标志简介 | 第16-18页 |
| 1.3.2 交通标志数据库 | 第18-20页 |
| 1.4 存在的难点问题 | 第20-21页 |
| 1.5 本文的研究内容和组织结构 | 第21-23页 |
| 1.6 本章小结 | 第23-24页 |
| 第二章 交通标志图像预处理 | 第24-32页 |
| 2.1 常用颜色空间 | 第24-26页 |
| 2.1.1 RGB颜色空间 | 第24-25页 |
| 2.1.2 HSV颜色空间 | 第25-26页 |
| 2.1.3 Ohta颜色空间 | 第26页 |
| 2.2 基于概率图的交通标志区域增强 | 第26-28页 |
| 2.3 交通标志图像增强 | 第28-31页 |
| 2.3.1 基于直方图均衡化图像增强方法 | 第28页 |
| 2.3.2 直方图均衡化处理 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于MSER的交通标志区域提取 | 第32-36页 |
| 3.1 最大稳定极值区域 | 第32-33页 |
| 3.1.1 最大稳定极值区域简介 | 第32-33页 |
| 3.2 MSER改进算法 | 第33-34页 |
| 3.3 MSER区域筛选 | 第34页 |
| 3.4 基于MSER改进算法的交通标志分割 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于HOG+SVM的交通标志检测 | 第36-49页 |
| 4.1 梯度方向直方图特征 | 第36-39页 |
| 4.2 复杂环境下交通标志分类器 | 第39-43页 |
| 4.2.1 支持向量机基本原理 | 第39-43页 |
| 4.2.1.1 了解SVM | 第39-40页 |
| 4.2.1.2 函数间隔与几何间隔 | 第40-41页 |
| 4.2.1.3 最大间隔分类器 | 第41-43页 |
| 4.3 检测器训练 | 第43-47页 |
| 4.4 交通标志非极大值抑制处理 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 实验与分析 | 第49-57页 |
| 5.1 软硬件平台 | 第49页 |
| 5.2 检测实验 | 第49-52页 |
| 5.3 实验结果及对比分析 | 第52-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论与展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-66页 |
| 附录A 攻读硕士学位期间发表的论文 | 第66-67页 |
| 附录B 攻读硕士学位期间获得的奖励 | 第67-68页 |
| 附录C 攻读硕士学位期间参与的项目 | 第68页 |
