交通标志识别技术研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 序 | 第9-12页 |
| 1 引言 | 第12-19页 |
| ·选题的背景和意义 | 第12页 |
| ·国内外研究现状 | 第12-16页 |
| ·国内外交通标志检测与识别技术发展 | 第12-14页 |
| ·交通标志检测与识别技术存在的主要问题 | 第14-15页 |
| ·国内外交通标志检测与识别技术研究进展和发展趋势 | 第15-16页 |
| ·识别的评价标准 | 第16页 |
| ·交通标志特点及国家标准 | 第16-17页 |
| ·本论文的研究工作 | 第17-18页 |
| ·本论文各章内容的安排 | 第18-19页 |
| 2 基于颜色和形状的交通标志检测及粗分类 | 第19-36页 |
| ·色彩空间 | 第19-21页 |
| ·RGB色彩空间 | 第19页 |
| ·HSV色彩空间 | 第19-21页 |
| ·颜色分割简介 | 第21-22页 |
| ·颜色分割的可行性及面临困难 | 第21页 |
| ·色彩空间和阈值的选择 | 第21-22页 |
| ·RGB空间下的颜色分割 | 第22-26页 |
| ·两分量色差法 | 第22-23页 |
| ·三分量色差法 | 第23-24页 |
| ·改进的基于区域颜色的突出颜色转换法 | 第24-25页 |
| ·颜色距离法 | 第25-26页 |
| ·HSV空间下的颜色分割 | 第26-30页 |
| ·利用颜色空间距离度量色彩空间相似度 | 第26页 |
| ·具有阴影和高亮不变性的改进HSV分割算法 | 第26-30页 |
| ·多空间多通道融合下的颜色分割 | 第30-32页 |
| ·简单向量滤波器与RGB空间的融合 | 第30-31页 |
| ·HSV空间与RGB空间的融合 | 第31-32页 |
| ·不同分割算法效果分析 | 第32-33页 |
| ·基于颜色和形状的交通标志检测及粗分类 | 第33-36页 |
| 3 基于逆反射特性的交通标志检测与粗分类 | 第36-51页 |
| ·逆反射特性 | 第36-39页 |
| ·基于逆反射特性的检测与粗分类算法 | 第39-49页 |
| ·交通标志逆反射特性验证性实验 | 第39-46页 |
| ·检测与粗分类算法 | 第46-49页 |
| ·效果分析 | 第49-50页 |
| ·存在问题及改进方法 | 第50-51页 |
| 4 交通标志识别 | 第51-65页 |
| ·机器学习与小样本条件下的统计学习理论 | 第51-54页 |
| ·机器学习 | 第51-52页 |
| ·小样本下的统计学习理论 | 第52-54页 |
| ·基于SVM的交通标志识别 | 第54-61页 |
| ·SVM | 第54-57页 |
| ·LIBSVM | 第57页 |
| ·基于SVM的分类算法介绍及效果分析 | 第57-61页 |
| ·基于Sift的交通标志识别 | 第61-65页 |
| ·Sift | 第61-63页 |
| ·算法介绍及结果分析 | 第63-65页 |
| 5 总结和展望 | 第65-68页 |
| ·本文总结 | 第65-66页 |
| ·不足和下一步工作展望 | 第66-68页 |
| ·存在不足 | 第66页 |
| ·下一步工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74页 |
