无人驾驶汽车的交通标志图文识别与理解
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 课题背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 交通标志识别存在的问题 | 第14-15页 |
| 1.4 本文研究的主要内容 | 第15-16页 |
| 1.5 本文的结构 | 第16-17页 |
| 第2章 交通标志识别的基础理论 | 第17-25页 |
| 2.1 交通标志的相关知识 | 第17-18页 |
| 2.1.1 交通标志的基本知识 | 第17页 |
| 2.1.2 交通标志分类及特点分析 | 第17-18页 |
| 2.2 图像预处理技术 | 第18-24页 |
| 2.2.1 图像增强技术 | 第18-19页 |
| 2.2.2 图像分割技术 | 第19-23页 |
| 2.2.3 数学形态学处理技术 | 第23-24页 |
| 2.3 模式识别技术 | 第24页 |
| 2.4 小结 | 第24-25页 |
| 第3章 交通标志分割与定位算法研究 | 第25-39页 |
| 3.1 彩色空间模型 | 第25-27页 |
| 3.2 基于颜色的交通标志的定位方法 | 第27-30页 |
| 3.2.1 基于HSV空间的交通标志粗定位 | 第27-28页 |
| 3.2.2 RGB动态差值的交通标志粗定位 | 第28-30页 |
| 3.3 基于形状的交通标志定位方法 | 第30-35页 |
| 3.3.1 圆形交通标志 | 第30-32页 |
| 3.3.2 矩形交通标志 | 第32-33页 |
| 3.3.3 三角形交通标志 | 第33-35页 |
| 3.4 实验仿真及其结果分析 | 第35-38页 |
| 3.5 小结 | 第38-39页 |
| 第4章 基于稀疏低秩的交通标志矫正算法 | 第39-49页 |
| 4.1 仿射变换 | 第39-40页 |
| 4.2 稀疏低秩 | 第40-41页 |
| 4.2.1 稀疏表示 | 第40-41页 |
| 4.2.2 不变低秩纹理 | 第41页 |
| 4.3 基于K-SVD的冗余字典构造 | 第41-43页 |
| 4.4 基于稀疏低秩的交通标志矫正算法 | 第43-45页 |
| 4.5 实验仿真及其结果分析 | 第45-48页 |
| 4.6 小结 | 第48-49页 |
| 第5章 交通标志特征提取与分类识别 | 第49-64页 |
| 5.1 交通标志的内部纹理提取 | 第49-53页 |
| 5.1.1 视觉显著性 | 第49-51页 |
| 5.1.2 改进的交通标志内部纹理提取方法 | 第51-53页 |
| 5.2 交通标志的特征提取 | 第53-54页 |
| 5.2.1 基于颜色及轮廓的交通标志特征提取方法 | 第53-54页 |
| 5.2.2 基于内核的交通标志特征提取方法 | 第54页 |
| 5.3 基于SVM的交通标志分类 | 第54-60页 |
| 5.3.1 统计学习理论 | 第54-55页 |
| 5.3.2 支持向量机 | 第55-59页 |
| 5.3.3 支持向量机分类器设计 | 第59-60页 |
| 5.4 实验仿真及其结果分析 | 第60-63页 |
| 5.4.1 内部纹理提取实验仿真及结果分析 | 第60-61页 |
| 5.4.2 交通标志分类实验仿真及结果分析 | 第61-63页 |
| 5.5 小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第72-73页 |
| 附录B 攻读硕士学位期间参与的科研项目 | 第73页 |
