支持向量机在路面交通标志识别中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·论文研究背景和意义 | 第9-10页 |
| ·交通标志检测与识别的研究现状 | 第10-11页 |
| ·交通标志检测与识别的相关技术 | 第11-13页 |
| ·交通标志检测相关技术 | 第11-12页 |
| ·交通标志识别的相关技术 | 第12-13页 |
| ·本文的主要工作与结构安排 | 第13-16页 |
| ·论文研究思路 | 第13-14页 |
| ·本文的主要研究内容 | 第14-16页 |
| 2. 场景重建 | 第16-27页 |
| ·引言 | 第16页 |
| ·摄像机模型的确立 | 第16-18页 |
| ·控制点坐标的获取 | 第18-20页 |
| ·控制点实际坐标的获取 | 第18-20页 |
| ·控制点图像坐标的获取 | 第20页 |
| ·图像重建 | 第20-26页 |
| ·图像配准 | 第21-23页 |
| ·重建图像灰度级的确定 | 第23-24页 |
| ·实验验证 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 路面交通标志图像分割 | 第27-47页 |
| ·引言 | 第27页 |
| ·图像预处理 | 第27-32页 |
| ·图像预处理简介 | 第27-28页 |
| ·图像的灰度均衡 | 第28-30页 |
| ·图像滤波 | 第30-32页 |
| ·图像分割 | 第32-45页 |
| ·图像分割方法简介 | 第32-33页 |
| ·图像的一维熵分割 | 第33-37页 |
| ·Canny算子边缘检测 | 第37-41页 |
| ·基于Hough变换的车道线检测 | 第41-44页 |
| ·基于感兴趣区域的图像分割 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 4. 图像特征提取 | 第47-57页 |
| ·引言 | 第47页 |
| ·矩技术的介绍 | 第47-48页 |
| ·Hu不变矩 | 第48-54页 |
| ·Hu矩的原理与定义 | 第48-49页 |
| ·Hu不变矩不变性证明 | 第49-52页 |
| ·Hu不变矩的改进 | 第52-54页 |
| ·仿射不变矩 | 第54-55页 |
| ·矩的特征提取选择与组合 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 5. 基于SVM的路面交通标志识别 | 第57-69页 |
| ·引言 | 第57页 |
| ·支持向量机的基本理论 | 第57-65页 |
| ·机器学习 | 第57-58页 |
| ·统计学习理论 | 第58-60页 |
| ·最优分类面 | 第60-63页 |
| ·支持向量机 | 第63-64页 |
| ·核函数 | 第64-65页 |
| ·基于SVM的多类分类器 | 第65-66页 |
| ·实验与分析 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75-84页 |
| 攻读硕士学位期间发表学术论文情况 | 第84-85页 |
| 致谢 | 第85-86页 |
