基于多特征融合的交通标志检测与识别
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 交通标志检测与识别的研究现状 | 第10-14页 |
| 1.2.1 交通标志检测算法的研究现状 | 第10-13页 |
| 1.2.2 交通标志识别算法的研究现状 | 第13-14页 |
| 1.3 本文研究目标和研究内容 | 第14-15页 |
| 第二章 交通标志及图像预处理算法 | 第15-24页 |
| 2.1 交通标志分析 | 第15-17页 |
| 2.2 相关图像处理理论及算法 | 第17-23页 |
| 2.2.1 颜色空间 | 第17-21页 |
| 2.2.2 最大稳定极值区域算法 | 第21-22页 |
| 2.2.3 限制对比度自适应直方图均衡 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 交通标志检测算法设计 | 第24-43页 |
| 3.1 交通标志检测概述 | 第24-26页 |
| 3.2 图片预处理及候选区域提取 | 第26-38页 |
| 3.2.1 基于颜色分类器的图片预处理算法 | 第26-29页 |
| 3.2.2 基于颜色特征模型的图片预处理算法 | 第29-32页 |
| 3.2.3 基于颜色概率模型的图片预处理算法 | 第32-38页 |
| 3.2.4 小结 | 第38页 |
| 3.3 交通标志检测器设计及训练 | 第38-41页 |
| 3.3.1 HOG特征简介 | 第38-41页 |
| 3.3.2 基于HOG特征的交通标志检测器设计 | 第41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 交通标志识别算法设计 | 第43-56页 |
| 4.1 交通标志识别概述 | 第43-44页 |
| 4.2 卷积神经网络基本原理 | 第44-49页 |
| 4.2.1 神经网络 | 第44-46页 |
| 4.2.2 卷积神经网络 | 第46-49页 |
| 4.3 交通标志识别网络设计 | 第49-55页 |
| 4.3.1 交通标志预处理 | 第49-50页 |
| 4.3.2 网络设计 | 第50-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 实验与分析 | 第56-71页 |
| 5.1 软硬件平台 | 第56页 |
| 5.2 交通标志数据集 | 第56-58页 |
| 5.3 交通标志检测实验 | 第58-65页 |
| 5.3.1 数据准备 | 第58-59页 |
| 5.3.2 分类器训练及建模 | 第59-62页 |
| 5.3.3 检测实验 | 第62-65页 |
| 5.4 交通标志识别实验 | 第65-68页 |
| 5.4.1 准备数据 | 第65-67页 |
| 5.4.2 训练网络 | 第67页 |
| 5.4.3 识别实验 | 第67-68页 |
| 5.5 交通标志检测与识别系统 | 第68-70页 |
| 5.6 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士期间取得的成果 | 第77-78页 |
