| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 路产信息管理系统 | 第11-12页 |
| 1.2.2 基于机器视觉的交通标志检测方法现状 | 第12-16页 |
| 1.3 论文的主要研究内容与结构安排 | 第16-18页 |
| 第二章 交通标志智能检测的理论基础 | 第18-32页 |
| 2.1 交通标志概述 | 第18-22页 |
| 2.2 检测与分类方法 | 第22-31页 |
| 2.2.1 基于图像特征的检测方法 | 第22-24页 |
| 2.2.2 线性判别分析分类器 | 第24-26页 |
| 2.2.3 支撑向量机分类器 | 第26-28页 |
| 2.2.4 支撑向量机的多类别算法 | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 雾霾天气条件下交通标志图像去雾算法研究 | 第32-44页 |
| 3.1 经典去雾方法 | 第32-37页 |
| 3.1.1 暗原色的成因 | 第33-34页 |
| 3.1.2 暗原色先验去雾 | 第34-37页 |
| 3.2 基于归一化割的图像去雾算法 | 第37-42页 |
| 3.2.1 图割的相关定义 | 第37-38页 |
| 3.2.2 归一化割 | 第38-41页 |
| 3.2.3 基于图割的图像去雾算法 | 第41-42页 |
| 3.3 实验结果与分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 交通标志自动定位与识别算法研究 | 第44-56页 |
| 4.1 图像预处理 | 第44页 |
| 4.2 基于FISHER判别的交通标志粗分类定位算法 | 第44-47页 |
| 4.2.1 定位算法的基本原理 | 第45-46页 |
| 4.2.2 Fisher线性判别分类器的训练样本集 | 第46页 |
| 4.2.3 实验结果与测试分析 | 第46-47页 |
| 4.3 基于SVM的交通标志细分类识别算法 | 第47-55页 |
| 4.3.1 识别算法的基本思想 | 第48页 |
| 4.3.2 LIBSVM工具箱 | 第48-49页 |
| 4.3.3 交叉验证 | 第49-50页 |
| 4.3.4 样本数据库 | 第50-51页 |
| 4.3.5 SVM一级分类器的训练与测试分析 | 第51-53页 |
| 4.3.6 SVM二级分类器的训练与测试分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 交通标志的智能检测方法在路产管理系统中的应用 | 第56-63页 |
| 5.1 车载式多功能道路综合信息采集系统 | 第56-58页 |
| 5.2 路产设施之交通标志智能检测系统软件 | 第58-62页 |
| 5.2.1 摄像头参数设置模块 | 第59-60页 |
| 5.2.2 算法参数设置模块 | 第60页 |
| 5.2.3 算法控制模块 | 第60-61页 |
| 5.2.4 算法结果显示模块 | 第61页 |
| 5.2.5 结果可视化模块 | 第61-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |
