| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 图像去雾算法研究现状 | 第11-12页 |
| 1.2.2 交通标志检测算法研究现状 | 第12-14页 |
| 1.2.3 存在的问题 | 第14页 |
| 1.3 论文主要内容及结构 | 第14-16页 |
| 2 雾霾天气下的图像去雾算法研究 | 第16-29页 |
| 2.1 雾霾天气下的大气散射模型 | 第16-20页 |
| 2.1.1 入射光衰减模型 | 第17-18页 |
| 2.1.2 大气光成像模型 | 第18-19页 |
| 2.1.3 雾天成像模型 | 第19-20页 |
| 2.2 基于大气散射模型的去雾算法分析 | 第20-24页 |
| 2.2.1 大气透射率t(x)的估计 | 第20-22页 |
| 2.2.2 大气透射率t(x)的细化 | 第22页 |
| 2.2.3 大气光强度A的估计 | 第22-23页 |
| 2.2.4 反射光强度J(x)的恢复 | 第23-24页 |
| 2.3 基于暗通道先验的改进去雾算法 | 第24-28页 |
| 2.3.1 暗通道先验理论与图像的预处理 | 第24-25页 |
| 2.3.2 基于暗通道先验的全局光照强度A的估计 | 第25-26页 |
| 2.3.3 自适应窗口的透射率t(x)的估计 | 第26-27页 |
| 2.3.4 反射光强度J(x)的恢复 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 雾霾天气下基于单个特征的交通标志检测 | 第29-50页 |
| 3.1 交通标志的特点分析 | 第29-30页 |
| 3.2 雾霾天气下基于颜色特征的交通标志检测算法 | 第30-34页 |
| 3.2.1 算法的基本思路与总体结构 | 第31-32页 |
| 3.2.2 算法各部分的实现方法 | 第32-34页 |
| 3.3 雾霾天气下基于形状特征的交通标志检测算法 | 第34-42页 |
| 3.3.1 算法的基本思路与总体结构 | 第35-36页 |
| 3.3.2 算法各部分的实现方法 | 第36-41页 |
| 3.3.3 算法各部分对应检测结果 | 第41-42页 |
| 3.4 雾霾天气下基于方向梯度直方图的交通标志检测算法 | 第42-47页 |
| 3.4.1 方向梯度直方图特征 | 第42-45页 |
| 3.4.2 算法的基本思路与总体结构 | 第45页 |
| 3.4.3 算法各部分的实现方法 | 第45-47页 |
| 3.5 实验结果与分析 | 第47-49页 |
| 3.6 本章小结 | 第49-50页 |
| 4 雾霾天气下基于多特征融合的交通标志检测算法 | 第50-61页 |
| 4.1 算法的基本思路与总体结构 | 第50页 |
| 4.2 算法各部分的实现方法 | 第50-56页 |
| 4.2.1 图像归一化 | 第50-52页 |
| 4.2.2 获取整幅图像的HOG特征与LBP特征 | 第52-55页 |
| 4.2.3 特征分类器分析处理HOG特征与LBP特征 | 第55页 |
| 4.2.4 获取HOG置信值与LBP置信值 | 第55页 |
| 4.2.5 对HOG特征与LBP特征进行加权融合 | 第55-56页 |
| 4.2.6 输出检测结果 | 第56页 |
| 4.3 基于多特征融合的交通标志检测实验 | 第56-60页 |
| 4.3.1 实验数据的建立 | 第56-57页 |
| 4.3.2 分类器的训练 | 第57页 |
| 4.3.3 性能比较指标 | 第57-58页 |
| 4.3.4 实验结果与分析 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 论文总结 | 第61-62页 |
| 5.2 研究展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |