| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 交通标志检测研究现状 | 第9-10页 |
| 1.2.2 交通标志识别研究现状 | 第10-12页 |
| 1.3 交通标志识别难点 | 第12页 |
| 1.4 主要研究内容 | 第12-13页 |
| 1.5 论文章节安排 | 第13-14页 |
| 2 交通标志识别理论与系统框架 | 第14-22页 |
| 2.1 交通标志基本知识 | 第14-16页 |
| 2.2 交通标志识别关键技术 | 第16-20页 |
| 2.2.1 图像预处理技术 | 第16页 |
| 2.2.2 交通标志检测技术 | 第16页 |
| 2.2.3 特征提取技术 | 第16-17页 |
| 2.2.4 交通标志识别技术 | 第17-20页 |
| 2.3 交通标志识别系统框架设计 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 交通标志检测算法研究 | 第22-36页 |
| 3.1 图像预处理 | 第22-26页 |
| 3.1.1 颜色模型分析 | 第22-25页 |
| 3.1.2 彩色图像直方图均衡化 | 第25-26页 |
| 3.2 基于颜色信息交通标志检测 | 第26-30页 |
| 3.2.1 RGB颜色空间三分量色差阈值分割算法 | 第26-28页 |
| 3.2.2 HSV颜色空间阈值分割 | 第28-29页 |
| 3.2.3 叠加颜色阈值分割算法 | 第29-30页 |
| 3.3 基于形状的交通标志检测 | 第30-34页 |
| 3.3.1 形态学处理 | 第30-31页 |
| 3.3.2 圆形交通标志检测 | 第31-32页 |
| 3.3.3 三角形交通标志检测 | 第32-34页 |
| 3.3.4 矩形交通标志检测 | 第34页 |
| 3.4 交通标志定位 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 交通标志识别算法研究 | 第36-48页 |
| 4.1 基于Gabor特征提取和SVM交通标志识别算法 | 第36-41页 |
| 4.1.1 Gabor特征提取 | 第36-40页 |
| 4.1.2 主成份分析 | 第40页 |
| 4.1.3 支持向量机交通标志分类 | 第40-41页 |
| 4.2 基于改进Lenet-5交通标志识别算法 | 第41-47页 |
| 4.2.1 传统Lenet-5的网络结构 | 第42-43页 |
| 4.2.2 改进Lenet-5交通标志识别 | 第43-47页 |
| 4.3 算法分析比较 | 第47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 实验结果与分析 | 第48-61页 |
| 5.1 实验环境 | 第48-49页 |
| 5.1.1 硬件环境 | 第48页 |
| 5.1.2 软件环境 | 第48-49页 |
| 5.2 图像检测与识别算法流程 | 第49-50页 |
| 5.3 交通标志检测实验 | 第50-54页 |
| 5.4 交通标志识别实验 | 第54-60页 |
| 5.4.1 建立样本数据库 | 第54-56页 |
| 5.4.2 SVM交通标志识别实验 | 第56-57页 |
| 5.4.3 改进Lenet-5交通标志识别实验 | 第57-58页 |
| 5.4.4 对比分析 | 第58-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 结论与展望 | 第61-63页 |
| 6.1 结论 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |