| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 引言 | 第8-12页 |
| 1.1 课题应用背景及意义 | 第8-9页 |
| 1.2 交通标志识别国内外研究现状 | 第9-11页 |
| 1.3 主要技术难点 | 第11页 |
| 1.4 论文的组织 | 第11页 |
| 1.5 本章小结 | 第11-12页 |
| 2 交通标志识别基础 | 第12-24页 |
| 2.1 交通标志简介 | 第12-15页 |
| 2.1.1 警告标志 | 第12-13页 |
| 2.1.2 禁令标志 | 第13-14页 |
| 2.1.3 指示标志 | 第14-15页 |
| 2.2 典型的彩色空间模型 | 第15-19页 |
| 2.2.1 RGB 彩色空间模型 | 第16页 |
| 2.2.2 HSI 彩色空间模型 | 第16-18页 |
| 2.2.3 HSV 彩色空间模型 | 第18-19页 |
| 2.3 形态学图像处理 | 第19-21页 |
| 2.3.1 腐蚀 | 第19-20页 |
| 2.3.2 膨胀 | 第20页 |
| 2.3.3 开运算 | 第20页 |
| 2.3.4 闭运算 | 第20-21页 |
| 2.3.5 填充 | 第21页 |
| 2.4 神经网络概述 | 第21-23页 |
| 2.4.1 BP 神经网络 | 第21-22页 |
| 2.4.2 小波神经网络 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 交通标志的预处理 | 第24-34页 |
| 3.1 自动白平衡算法 | 第25-27页 |
| 3.1.1 基于灰色世界模型的自动白平衡算法 | 第25-26页 |
| 3.1.2 基于动态阀值的自动白平衡法 | 第26-27页 |
| 3.1.3 实验结果及分析 | 第27页 |
| 3.2 彩色图像增强算法 | 第27-30页 |
| 3.2.1 多尺度 Retinex 图像增强算法 | 第28-29页 |
| 3.2.2 实验结果及分析 | 第29-30页 |
| 3.3 基于形状的交通标志校正 | 第30-33页 |
| 3.3.1 仿射变换定义 | 第30页 |
| 3.3.2 仿射变换在交通标志矫正中的应用 | 第30-32页 |
| 3.3.3 实验结果及分析 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 交通标志的检测与定位研究 | 第34-41页 |
| 4.1 基于 HSV 彩色空间的交通标志分割 | 第34-36页 |
| 4.1.1 彩色空间模型的选取 | 第35页 |
| 4.1.2 HSV 彩色空间模型在交通标志分割中的应用 | 第35-36页 |
| 4.2 基于形状的精准定位 | 第36-39页 |
| 4.2.1 形状特征判断流程 | 第36-37页 |
| 4.2.2 形状特征参数提取 | 第37-38页 |
| 4.2.3 基于形状特征的交通标志定位 | 第38-39页 |
| 4.3 实验结果及分析 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 5 交通标志的特征提取与识别 | 第41-50页 |
| 5.1 特征提取 | 第41-44页 |
| 5.1.1 Hu 不变矩 | 第41-42页 |
| 5.1.2 Zernike 不变矩 | 第42-44页 |
| 5.2 小波神经网络 | 第44-48页 |
| 5.2.1 小波神经网络初始化 | 第44-45页 |
| 5.2.2 小波神经网络参数调整 | 第45-47页 |
| 5.2.3 小波神经网络识别交通标志具体流程 | 第47-48页 |
| 5.3 实验结果及分析 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 6 结论与展望 | 第50-51页 |
| 6.1 主要工作和结论 | 第50页 |
| 6.2 今后待研究的问题与展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 作者简历 | 第53-54页 |
| 致谢 | 第54-55页 |