| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 道路交通标线检测与识别的研究概况 | 第10-12页 |
| 1.2.2 道路交通标线检测与识别的主要方法 | 第12-13页 |
| 1.2.3 道路交通标线检测与识别存在的难点 | 第13-14页 |
| 1.3 论文主要研究内容和结构安排 | 第14-17页 |
| 1.3.1 论文主要研究内容 | 第14-15页 |
| 1.3.2 论文结构安排 | 第15-17页 |
| 第二章 建立道路交通标线数据集 | 第17-22页 |
| 2.1 交通标线的定义与分类 | 第17-18页 |
| 2.2 图像采集 | 第18页 |
| 2.3 建立数据集 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于消失点的道路区域检测 | 第22-36页 |
| 3.1 道路区域检测的主要方法 | 第22-24页 |
| 3.1.1 基于特征的道路区域检测方法 | 第22-23页 |
| 3.1.2 基于模型的道路区域检测方法 | 第23-24页 |
| 3.2 Gabor纹理响应 | 第24-26页 |
| 3.3 Gabor纹理主方向提取 | 第26-28页 |
| 3.3.1 置信度计算 | 第26-27页 |
| 3.3.2 垂直投影校正 | 第27-28页 |
| 3.4 最优消失点选取 | 第28-30页 |
| 3.5 道路区域分割 | 第30-32页 |
| 3.6 算法流程 | 第32页 |
| 3.7 实验结果分析与对比 | 第32-35页 |
| 3.8 本章小结 | 第35-36页 |
| 第四章 基于多层次融合的道路交通标线检测 | 第36-46页 |
| 4.1 显著性检测研究现状 | 第36-38页 |
| 4.2 区域分割 | 第38-39页 |
| 4.3 单层显著图生成 | 第39-41页 |
| 4.4 显著性融合 | 第41-42页 |
| 4.5 感兴趣区域提取 | 第42-43页 |
| 4.6 实验结果分析与对比 | 第43-45页 |
| 4.7 本章小结 | 第45-46页 |
| 第五章 基于同层多尺度卷积神经网络的道路交通标线识别 | 第46-63页 |
| 5.1 卷积神经网络 | 第46-53页 |
| 5.1.1 卷积神经网络结构 | 第46-51页 |
| 5.1.2 卷积神经网络的特点 | 第51-53页 |
| 5.1.3 卷积神经网络训练过程 | 第53页 |
| 5.2 LeNet-5网络模型 | 第53-54页 |
| 5.3 网络模型设计 | 第54页 |
| 5.4 算法实现 | 第54-57页 |
| 5.4.1 ROI预处理 | 第54-55页 |
| 5.4.2 配置网络 | 第55-57页 |
| 5.4.3 网络训练 | 第57页 |
| 5.4.4 网络测试 | 第57页 |
| 5.5 实验结果分析与对比 | 第57-62页 |
| 5.5.1 各类交通标线识别结果 | 第58-59页 |
| 5.5.2 预处理方法有效性测试 | 第59-60页 |
| 5.5.3 网络模型有效性测试 | 第60页 |
| 5.5.4 扩充前后各类交通标线识别结果 | 第60-61页 |
| 5.5.5 算法对比 | 第61-62页 |
| 5.6 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间的研究成果 | 第70-71页 |
| 致谢 | 第71页 |