交通标志检测与识别算法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-14页 |
| 1.3 交通标志检测与识别存在的难题 | 第14-16页 |
| 1.4 研究目标及内容 | 第16页 |
| 1.4.1 研究目标 | 第16页 |
| 1.4.2 研究内容 | 第16页 |
| 1.5 本文组织结构 | 第16-18页 |
| 第2章 基于颜色的交通标志检测 | 第18-30页 |
| 2.1 交通标志概述 | 第18-19页 |
| 2.2 交通标志图像预处理 | 第19-20页 |
| 2.3 常用交通标志颜色分割算法 | 第20-26页 |
| 2.3.1 HSI空间颜色阈值分割 | 第20-22页 |
| 2.3.2 HSV空间颜色阈值分割 | 第22-24页 |
| 2.3.3 NRGB空间颜色阈值分割 | 第24-25页 |
| 2.3.4 各算法性能分析 | 第25-26页 |
| 2.4 颜色显著性阈值分割 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于形状的交通标志检测 | 第30-40页 |
| 3.1 形态学处理 | 第31-34页 |
| 3.1.1 噪声滤除 | 第31-32页 |
| 3.1.2 轮廓过滤 | 第32-34页 |
| 3.2 轮廓凸包处理 | 第34-35页 |
| 3.3 基于形状参数和傅立叶描述子的轮廓检测 | 第35-39页 |
| 3.3.1 基于形状参数的轮廓检测 | 第35-36页 |
| 3.3.2 基于傅立叶描述子的轮廓检测 | 第36-39页 |
| 3.3.3 算法分析 | 第39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 交通标志识别 | 第40-50页 |
| 4.1 基于SURF特征的模板匹配法 | 第40-44页 |
| 4.1.1 尺寸归一化 | 第40-41页 |
| 4.1.2 SURF特征点提取 | 第41-43页 |
| 4.1.3 FLANN特征点匹配 | 第43-44页 |
| 4.2 基于HOG特征的SVM分类法 | 第44-48页 |
| 4.2.1 HOG特征提取 | 第45-47页 |
| 4.2.2 支持向量机分类 | 第47-48页 |
| 4.3 算法分析比较 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 实验结果与分析 | 第50-61页 |
| 5.1 交通标志检测与识别流程 | 第50-51页 |
| 5.2 实验环境 | 第51页 |
| 5.3 交通标志检测实验 | 第51-55页 |
| 5.3.1 实验1 | 第51-54页 |
| 5.3.2 实验2 | 第54-55页 |
| 5.4 交通标志识别实验 | 第55-59页 |
| 5.4.1 建立样本数据库 | 第55-56页 |
| 5.4.2 训练分类器 | 第56-58页 |
| 5.4.3 识别结果 | 第58-59页 |
| 5.5 本章小结 | 第59-61页 |
| 结论 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士期间发表的论文及科研成果 | 第67页 |
