首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

行车环境下多特征融合的交通标识检测与识别研究

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

论文共143页,点击 下载论文
上一篇:miR-146a通过靶定IRS2表达影响食管鳞癌生物学行为的机制研究
下一篇:手指静脉识别方法研究