基于形状匹配和分析的交通标志自动识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 交通标志识别的国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 交通标志识别的技术关键与难点 | 第11-12页 |
| 1.4 本文的结构安排 | 第12-14页 |
| 第2章 交通标志以及识别的技术理论 | 第14-24页 |
| 2.1 交通标志的概述 | 第14-15页 |
| 2.1.1 交通标志的类型 | 第14-15页 |
| 2.2 交通标志具体特征分析 | 第15-17页 |
| 2.3 图像处理的基础算法介绍 | 第17-21页 |
| 2.3.1 关于RGB颜色空间 | 第17-18页 |
| 2.3.2 关于HSV颜色空间 | 第18-19页 |
| 2.3.3 关于YUV颜色空间 | 第19页 |
| 2.3.4 颜色空间之间的转换 | 第19-20页 |
| 2.3.5 图像灰度化及灰度归一化 | 第20-21页 |
| 2.4 图像尺寸归一化 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于直线包络快速定位交通标志方法 | 第24-35页 |
| 3.1 交通标志定位的总体思路 | 第24-25页 |
| 3.1.1 交通标志定位的研究现状 | 第24-25页 |
| 3.2 颜色阈值的分割提取 | 第25-29页 |
| 3.2.1 交通标志定位 | 第26-27页 |
| 3.2.2 直线提取 | 第27-28页 |
| 3.2.3 直线包络的城市场景分割 | 第28-29页 |
| 3.3 连通区域的标记 | 第29-30页 |
| 3.3.1 连通区域的定位 | 第29-30页 |
| 3.3.2 连通区域的孔洞检测 | 第30页 |
| 3.4 实验结果与分析 | 第30-32页 |
| 3.5 算法性能测试 | 第32-33页 |
| 3.6 本章小结 | 第33-35页 |
| 第4章 交通标志匹配识别算法 | 第35-50页 |
| 4.1 基于不变矩和神经网络的交通标志识别算法 | 第35-37页 |
| 4.1.1 不变矩理论 | 第35-37页 |
| 4.1.2 不变矩识别算法 | 第37页 |
| 4.2 模板匹配算法 | 第37-41页 |
| 4.2.1 形状上下文模板匹配算法 | 第37-38页 |
| 4.2.2 轮廓特征点的提取 | 第38-39页 |
| 4.2.3 形状上下文匹配过程 | 第39-41页 |
| 4.3 相似度匹配算法 | 第41-47页 |
| 4.3.1 距离度量 | 第42-43页 |
| 4.3.2 相似度度量 | 第43页 |
| 4.3.3 余弦相似度度量 | 第43-45页 |
| 4.3.4 八皇后问题以及回溯算法 | 第45-47页 |
| 4.4 算法的验证和对比 | 第47-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 交通标志识别算法的实现 | 第50-56页 |
| 5.1 交通标志图像数据库 | 第50-51页 |
| 5.1.1 采集的交通标志数据库 | 第50页 |
| 5.1.2 交通标志标准数据库的处理 | 第50-51页 |
| 5.2 图像直线包络分割的具体实现 | 第51-55页 |
| 5.2.1 包络线分割图像 | 第51-53页 |
| 5.2.2 形状上下文的描述 | 第53-55页 |
| 5.3 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64页 |
