基于自适应滤波的交通信号灯检测算法
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-10页 |
| 1.1 研究的背景及意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-8页 |
| 1.3 本文的主要工作 | 第8-9页 |
| 1.4 论文的章节安排 | 第9-10页 |
| 2 相关的理论基础 | 第10-23页 |
| 2.1 图像预处理 | 第10-15页 |
| 2.1.1 ROI划分 | 第10-11页 |
| 2.1.2 光线补偿 | 第11-13页 |
| 2.1.3 直方图均衡化 | 第13-15页 |
| 2.2 交通信号灯的手工特征 | 第15-20页 |
| 2.2.1 LBP特征 | 第15-16页 |
| 2.2.2 HOG特征 | 第16-17页 |
| 2.2.3 SIFT特征 | 第17-20页 |
| 2.3 浅层分类器 | 第20-22页 |
| 2.3.1 SVM分类器 | 第20-21页 |
| 2.3.2 Adaboost分类器 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 交通信号灯的检测与识别算法 | 第23-32页 |
| 3.1 基于自适应滤波的信号灯检测算法 | 第23-28页 |
| 3.1.1 模型的定义与求解 | 第24-26页 |
| 3.1.2 模型的参数分析 | 第26-28页 |
| 3.2 基于融合特征的信号灯状态识别 | 第28-31页 |
| 3.2.1 局部RGB直方图 | 第28-29页 |
| 3.2.2 融合的交通信号灯描述子 | 第29-30页 |
| 3.2.3 层级SVM分类器 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 4 实验结果及评价 | 第32-42页 |
| 4.1 交通信号灯数据集 | 第32-34页 |
| 4.2 实验结果及评价 | 第34-41页 |
| 4.3 本章小结 | 第41-42页 |
| 结论 | 第42-43页 |
| 参考文献 | 第43-48页 |
| 攻读硕士学位期间发表学术论文情况 | 第48-49页 |
| 致谢 | 第49-51页 |
