摘要 | 第1-13页 |
ABSTRACT | 第13-16页 |
第一章 绪论 | 第16-36页 |
·课题研究背景及意义 | 第16-18页 |
·国内外研究现状 | 第18-30页 |
·交通标识数据库 | 第20-21页 |
·运动模糊交通标识盲复原 | 第21-23页 |
·交通标识检测 | 第23-26页 |
·交通标识识别 | 第26-30页 |
·存在的问题及发展趋势 | 第30-33页 |
·存在的主要问题 | 第30-32页 |
·未来发展趋势 | 第32-33页 |
·论文主要内容及结构 | 第33-36页 |
第二章 基于稀疏表示的运动模糊交通标识盲复原 | 第36-60页 |
·经典图像复原方法 | 第36-40页 |
·几种典型的PSF | 第37-38页 |
·常用的图像非盲复原方法 | 第38-39页 |
·常用的图像盲复原方法 | 第39-40页 |
·图像稀疏表示理论 | 第40-45页 |
·图像稀疏表示模型及稀疏求解算法 | 第41-44页 |
·字典训练 | 第44-45页 |
·多尺度运动模糊核估计 | 第45-47页 |
·基于稀疏表示和WEBER定律的盲复原算法 | 第47-50页 |
·Weber定律 | 第47页 |
·结合稀疏表示和Weber定律的盲复原模型及算法 | 第47-50页 |
·实验结果与分析 | 第50-57页 |
·合成模糊图像实验 | 第51-55页 |
·真实模糊图像实验 | 第55-57页 |
·本章小结 | 第57-60页 |
第三章 基于感兴趣区域和特征融合的交通标识检测 | 第60-84页 |
·颜色分割及感兴趣区域提取 | 第61-64页 |
·交通标识特征选择和提取 | 第64-69页 |
·HOG特征 | 第65-66页 |
·LBP特征 | 第66-68页 |
·HOG-MBLBP特征融合 | 第68-69页 |
·基于HOG-MBLBP融合特征的SVM交通标识检测 | 第69-77页 |
·支持向量机原理 | 第70-73页 |
·基于多分类的SVM标识牌精确检测和定位 | 第73-77页 |
·实验结果与分析 | 第77-83页 |
·SDU_CVPR_A交通标识库的实验结果 | 第77-80页 |
·GTS~*德国交通标识库的实验结果 | 第80-83页 |
·本章小结 | 第83-84页 |
第四章 基于HOG-MBLBP融合特征的ELM交通标识识别 | 第84-106页 |
·局部特征及其在交通标识识别中的应用 | 第84-86页 |
·构建SDU_CVPR_B交通标识识别库 | 第86-88页 |
·基于极限学习机(ELM)的交通标识识别 | 第88-96页 |
·极限学习机(ELM) | 第88-90页 |
·基于极限学习机的约束优化多分类 | 第90-95页 |
·基于极限学习机交通标识识别算法 | 第95-96页 |
·实验结果与分析 | 第96-104页 |
·SDU_CVPR_B交通标识库的实验结果 | 第96-100页 |
·GTSRB德国交通标识库的实验结果 | 第100-104页 |
·本章小结 | 第104-106页 |
第五章 基于融合特征BOF的金字塔匹配交通标识识别 | 第106-124页 |
·特征袋(BoF)模型的图像分类相关方法 | 第106-107页 |
·BoF模型及其在图像分类中的结构流程 | 第107-113页 |
·BoF模型 | 第107-108页 |
·基于BoF模型的图像分类流程 | 第108-109页 |
·局部不变特征选择 | 第109-113页 |
·基于融合特征BoF的金字塔匹配交通标识识别 | 第113-116页 |
·金字塔匹配核 | 第114-115页 |
·金字塔匹配策略 | 第115页 |
·基于融合特征BoF模型的金字塔匹配交通标识识别算法 | 第115-116页 |
·实验结果与分析 | 第116-122页 |
·SDU_CVPR_B交通标识库的实验结果 | 第116-118页 |
·GTSRB德国交通标识库的实验结果 | 第118-122页 |
·本章小结 | 第122-124页 |
第六章 总结与展望 | 第124-128页 |
·论文工作总结 | 第124-125页 |
·研究展望 | 第125-128页 |
参考文献 | 第128-138页 |
致谢 | 第138-140页 |
攻读学位期间发表的学术论文 | 第140-142页 |
攻读学位期间参与的科研项目 | 第142-143页 |
学位论文评阅及答辩情况表 | 第143页 |