| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 概述 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 当前国内外相关研究工作现状 | 第11-14页 |
| 1.2.1 机器视觉方法综述 | 第11页 |
| 1.2.2 交通标志识别研究现状 | 第11-14页 |
| 1.3 自然场景图像中交通标志识别的难点 | 第14-15页 |
| 1.4 本文所做的主要工作及章节安排 | 第15-17页 |
| 1.4.1 机器视觉方法研究 | 第15页 |
| 1.4.2 交通标志识别关键技术研究 | 第15-16页 |
| 1.4.3 本文内容及章节安排 | 第16-17页 |
| 2 交通标志及其识别系统框架 | 第17-23页 |
| 2.1 当前我国的交通标志 | 第17-20页 |
| 2.2 交通标志识别及其系统框架 | 第20-21页 |
| 2.3 交通标志图像采集及实验环境 | 第21-23页 |
| 3 交通标志的分割 | 第23-33页 |
| 3.1 图像预处理 | 第24-26页 |
| 3.2 颜色空间的图像分割 | 第26-31页 |
| 3.2.1 颜色空间介绍 | 第27-29页 |
| 3.2.2 基于Lab颜色空间的交通标志图像分割 | 第29-31页 |
| 3.3 本章小结 | 第31-33页 |
| 4 交通标志的提取 | 第33-43页 |
| 4.1 基于连通区域的图像去噪 | 第33-34页 |
| 4.2 基于双向投影法的交通标志提取 | 第34-39页 |
| 4.2.1 向投影法原理 | 第35-36页 |
| 4.2.2 实验 | 第36-37页 |
| 4.2.3 实验结果分析 | 第37-39页 |
| 4.3 改进的双向投影法 | 第39-42页 |
| 4.3.1 基于数学形态学的图像处理 | 第39-41页 |
| 4.3.2 目标区域的判别 | 第41页 |
| 4.3.3 实验结果分析 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 交通标志的识别 | 第43-61页 |
| 5.1 SIFT算法 | 第43-46页 |
| 5.2 基于SIFT算法的交通标志识别 | 第46-53页 |
| 5.2.1 交通标图像的SIFT特征提取 | 第47-48页 |
| 5.2.2 交通标志图像二值化处理 | 第48-49页 |
| 5.2.3 SIFT特征的阈值选取 | 第49-51页 |
| 5.2.4 实验结果与分析 | 第51-53页 |
| 5.3 基于ROOTSIFT算法的交通标志识别 | 第53-55页 |
| 5.3.1 RootSIFT算法介绍 | 第53-54页 |
| 5.3.2 基于RootSIFT算法的交通标志识别 | 第54-55页 |
| 5.4 实验结果与分析 | 第55-60页 |
| 5.4.1 与SIFT算法的比较 | 第55-58页 |
| 5.4.2 与支持向量机(SVM)的比较 | 第58-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读学位期间主要的研究成果 | 第69-71页 |
| 致谢 | 第71页 |