| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状与进展 | 第10-14页 |
| 1.2.1 恶劣天气下图像复原算法研究现状 | 第10-12页 |
| 1.2.2 交通标志检测算法研究现状 | 第12-13页 |
| 1.2.3 交通标志识别算法研究现状 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14页 |
| 1.4 本文组织结构及章节安排 | 第14-17页 |
| 第2章 基本理论及相关技术介绍 | 第17-25页 |
| 2.1 交通标志的基本知识 | 第17-18页 |
| 2.2 交通标志检测识别的系统框架 | 第18-19页 |
| 2.3 大气散射模型的基本知识 | 第19-20页 |
| 2.4 雾霾天气对图像的影响 | 第20-21页 |
| 2.5 Android系统 | 第21-22页 |
| 2.6 OpenCV计算机视觉库 | 第22页 |
| 2.7 本章小结 | 第22-25页 |
| 第3章 改进的雾霾天气交通图像去雾算法 | 第25-43页 |
| 3.1 雾霾沙尘天气的物理模型 | 第25页 |
| 3.2 暗原色先验去雾算法 | 第25-26页 |
| 3.3 交通图像去雾算法 | 第26-36页 |
| 3.3.1 改进的均值漂移算法分割天空区域 | 第27-32页 |
| 3.3.2 基于快速双边滤波的暗原色先验去雾算法 | 第32-35页 |
| 3.3.3 直方图均衡化算法 | 第35-36页 |
| 3.4 去雾算法处理效果客观评价方法 | 第36-38页 |
| 3.5 各种去雾算法的实验对比与分析 | 第38-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 交通标志检测识别算法流程与实验分析 | 第43-63页 |
| 4.1 基于颜色的分割 | 第43-45页 |
| 4.2 基于形状的检测 | 第45-52页 |
| 4.2.1 边缘检测 | 第45页 |
| 4.2.2 轮廓逼近 | 第45-46页 |
| 4.2.3 三角形、矩形的形状检测 | 第46-47页 |
| 4.2.4 圆形的形状检测 | 第47-52页 |
| 4.3 交通标志的识别 | 第52-56页 |
| 4.3.1 特征提取 | 第52-54页 |
| 4.3.2 SVM支持向量机 | 第54-56页 |
| 4.4 系统算法综合流程设计 | 第56-58页 |
| 4.5 实验结果对比与分析 | 第58-60页 |
| 4.6 本章小结 | 第60-63页 |
| 第5章 适应雾霾天气的交通标志识别系统的硬件实现 | 第63-69页 |
| 5.1 Android开发环境简介 | 第63页 |
| 5.2 系统需求分析 | 第63-64页 |
| 5.2.1 系统可行性分析 | 第64页 |
| 5.2.2 系统需求分析 | 第64页 |
| 5.3 去雾的交通标志识别系统在Android平台上搭建 | 第64-67页 |
| 5.3.1 系统设计流程方案 | 第65页 |
| 5.3.2 系统中主要类与函数 | 第65-66页 |
| 5.3.3 系统应用界面 | 第66-67页 |
| 5.4 系统的测试结果与分析 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间所发表的学术论文 | 第77-79页 |
| 致谢 | 第79页 |