基于压缩感知的交通标志识别
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究的背景及意义 | 第9页 |
| 1.2 国内外交通标志识别现状 | 第9-12页 |
| 1.2.1 检测方法研究现状 | 第10-11页 |
| 1.2.2 识别方法研究现状 | 第11-12页 |
| 1.3 本文主要研究内容及章节安排 | 第12-15页 |
| 1.3.1 论文主要研究内容 | 第12-13页 |
| 1.3.2 论文的章节安排 | 第13-15页 |
| 第二章 德国交通标志数据库预处理 | 第15-24页 |
| 2.1 德国交通标志数据库(GTSRB)介绍 | 第15页 |
| 2.2 图像灰度化 | 第15-16页 |
| 2.3 图像的尺寸归一化 | 第16-19页 |
| 2.4 图像增强 | 第19-23页 |
| 2.4.1 线性变换 | 第19-20页 |
| 2.4.2 非线性变换 | 第20-21页 |
| 2.4.3 直方图均衡化 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 压缩感知算法的实际应用 | 第24-37页 |
| 3.1 压缩感知理论 | 第24-26页 |
| 3.2 压缩感知在交通标志识别中的应用 | 第26-33页 |
| 3.2.1 交通标志的稀疏表示 | 第26-30页 |
| 3.2.2 测量矩阵的设计 | 第30-31页 |
| 3.2.3 MP和OMP算法仿真比较 | 第31-33页 |
| 3.3 交通标志图像的重建及结果分析 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于稀疏表示的交通标志识别 | 第37-47页 |
| 4.1 目前常用的交通识别方法 | 第37-38页 |
| 4.2 基于稀疏表示的交通标志分类 | 第38-42页 |
| 4.2.1 基于稀疏表示的识别框架 | 第38-40页 |
| 4.2.2 交通标志的识别结果分析 | 第40-42页 |
| 4.3 OMP算法稀疏度的确定 | 第42-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于局部字典的两阶段稀疏表示算法 | 第47-56页 |
| 5.1 基于两阶段的稀疏表示算法 | 第47-51页 |
| 5.1.1 实验结果分析 | 第48-50页 |
| 5.1.2 基于两阶段的稀疏表示算法的不足之处 | 第50-51页 |
| 5.2 基于局部字典的两阶段稀疏表示算法 | 第51-55页 |
| 5.2.1 顺序拆分冗余字典 | 第51页 |
| 5.2.2 平均拆分冗余字典 | 第51-52页 |
| 5.2.3 算法的时间复杂度的改进 | 第52页 |
| 5.2.4 实验结果分析 | 第52-55页 |
| 5.3 本章小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
