基于形态学变换和支持向量机的交通灯检测识别算法
目录 | 第3-5页 |
摘要 | 第5-6页 |
Abstract | 第6页 |
引言 | 第7-8页 |
第一章 绪论 | 第8-11页 |
1.1 研究背景与意义 | 第8页 |
1.2 国内外研究概况 | 第8-9页 |
1.3 研究目标与内容 | 第9-10页 |
1.4 本文组织架构 | 第10-11页 |
第二章 本文相关技术 | 第11-13页 |
2.1 数字图像处理简介 | 第11-12页 |
2.2 智能交通系统简介 | 第12页 |
2.3 小结 | 第12-13页 |
第三章 基于形态学变换的交通灯检测算法 | 第13-24页 |
3.1 算法理论 | 第13-22页 |
3.1.1 形态学简介 | 第13-18页 |
3.1.2 形态学的目标检测方法 | 第18-21页 |
3.1.3 灰度级图像扩展 | 第21-22页 |
3.1.4 顶帽变换 | 第22页 |
3.2 实现方法 | 第22-24页 |
3.3 实验结果 | 第24页 |
第四章 基于支持向量机的交通灯识别算法 | 第24-46页 |
4.1 算法理论 | 第24-41页 |
4.1.1 支持向量机简介 | 第24-25页 |
4.1.2 线性SVM | 第25-35页 |
4.1.3 非线性支持向量机 | 第35-40页 |
4.1.4 多类问题 | 第40-41页 |
4.2 LIBSVM简介与使用方法 | 第41-43页 |
4.3 实现方法 | 第43-45页 |
4.4 实验结果 | 第45页 |
4.5 小结 | 第45-46页 |
第五章 其他算法研究与比较 | 第46-56页 |
5.1 基于色彩和边缘信息的交通灯检测算法 | 第46-48页 |
5.2 基于形态学滤波和统计分类的交通灯识别算法 | 第48-50页 |
5.3 城市环境下的实时交通灯识别系统 | 第50-51页 |
5.4 算法比较 | 第51-55页 |
5.5 小结 | 第55-56页 |
第六章 总结与展望 | 第56-58页 |
参考文献 | 第58-59页 |
致谢 | 第59-60页 |