自然场景下交通标志的检测与分类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第1章 绪论 | 第13-28页 |
| ·研究的背景及意义 | 第13-18页 |
| ·国内外研究现状和进展 | 第18-26页 |
| ·交通标志检测算法的研究现状 | 第19-23页 |
| ·交通标志分类算法的研究现状 | 第23-26页 |
| ·本文的主要内容和安排 | 第26-28页 |
| 第2章 交通标志检测与分类的基础 | 第28-49页 |
| ·引言 | 第28页 |
| ·交通标志的基础知识 | 第28-32页 |
| ·警告标志 | 第28-29页 |
| ·禁令标志 | 第29页 |
| ·指示标志 | 第29-32页 |
| ·彩色空间与颜色特性分析 | 第32-45页 |
| ·颜色的基本特性 | 第33-36页 |
| ·彩色空间模型 | 第36-40页 |
| ·各种彩色空间下的颜色特性分析 | 第40-45页 |
| ·交通标志识别系统的框架设计 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第3章 基于局部特征的交通标志检测算法 | 第49-68页 |
| ·引言 | 第49页 |
| ·HSV 彩色空间的颜色分割 | 第49-50页 |
| ·基于局部特征的交通标志检测算法 | 第50-59页 |
| ·自适应多级中值滤波 | 第50-52页 |
| ·形态学图像处理 | 第52页 |
| ·交通标志形状的局部特征提取 | 第52-54页 |
| ·基于模糊规则的形状判别算法 | 第54-57页 |
| ·交通标志检测算法流程 | 第57-59页 |
| ·实验结果与分析 | 第59-67页 |
| ·实验数据的建立 | 第59页 |
| ·交通标志检测结果与分析 | 第59-67页 |
| ·本章小结 | 第67-68页 |
| 第4章 色彩恒常性算法在交通标志检测中的应用 | 第68-82页 |
| ·引言 | 第68页 |
| ·彩色图像增强 | 第68-72页 |
| ·颜色视觉理论 | 第69-71页 |
| ·彩色图像增强算法 | 第71-72页 |
| ·色彩恒常性算法 | 第72-78页 |
| ·Retinex 原理 | 第72-75页 |
| ·基于局部空间颜色平均的色彩恒常性算法 | 第75-78页 |
| ·色彩恒常性在交通标志检测中的应用 | 第78-81页 |
| ·基于色彩恒常性的颜色分割 | 第78-79页 |
| ·交通标志检测实验 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 第5章 基于概率神经网络的交通标志分类算法研究 | 第82-104页 |
| ·引言 | 第82页 |
| ·交通标志的特征提取 | 第82-87页 |
| ·不变矩理论 | 第83-86页 |
| ·基于Tchebichef 不变矩的特征提取 | 第86-87页 |
| ·概率神经网络的优化设计 | 第87-94页 |
| ·概率神经网络简介 | 第87-89页 |
| ·Global K-Means 聚类算法 | 第89-90页 |
| ·粒子群优化算法 | 第90-92页 |
| ·概率神经网络的两步优化策略 | 第92-94页 |
| ·交通标志分类系统设计 | 第94-95页 |
| ·实验结果与分析 | 第95-102页 |
| ·不变矩对比实验 | 第95-99页 |
| ·交通标志分类实验 | 第99-102页 |
| ·本章小结 | 第102-104页 |
| 第6章 基于支持向量机的交通标志分类算法研究 | 第104-129页 |
| ·引言 | 第104页 |
| ·统计学习理论 | 第104-112页 |
| ·机器学习问题的表示 | 第105页 |
| ·经验风险最小化原则及存在问题 | 第105-106页 |
| ·学习过程的一致性条件 | 第106-108页 |
| ·函数集的学习性能与VC 维 | 第108-110页 |
| ·泛化性能的界 | 第110-111页 |
| ·结构风险最小化 | 第111-112页 |
| ·支持向量分类机 | 第112-121页 |
| ·线性可分情况下的支持向量分类机 | 第113-118页 |
| ·非线性可分情况下的支持向量分类机 | 第118-121页 |
| ·支持向量机多类别分类算法 | 第121-124页 |
| ·多类支持向量机 | 第121-122页 |
| ·一对多分类方法 | 第122-123页 |
| ·一对一分类方法 | 第123页 |
| ·DAGSVM 分类方法 | 第123-124页 |
| ·基于SVM 的交通标志分类实验 | 第124-128页 |
| ·本章小结 | 第128-129页 |
| 结论 | 第129-131页 |
| 参考文献 | 第131-145页 |
| 攻读博士学位期间发表的学术论文 | 第145-147页 |
| 致谢 | 第147-148页 |
| 个人简历 | 第148页 |
