基于计算机视觉的交通标志检测与识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状及发展 | 第14-15页 |
| 1.2.1 国外交通标志检测与识别现状 | 第14-15页 |
| 1.2.2 国内交通标志检测与识别现状 | 第15页 |
| 1.3 国内外研究现状分析 | 第15-18页 |
| 1.3.1 交通标志检测 | 第15-16页 |
| 1.3.2 交通标志识别 | 第16-17页 |
| 1.3.3 交通标志识别技术难点 | 第17-18页 |
| 1.4 本文算法框架和主要工作 | 第18-19页 |
| 1.4.1 交通标志识别算法框架简介 | 第18-19页 |
| 1.4.2 本文主要工作 | 第19页 |
| 1.5 本文组织结构 | 第19-21页 |
| 第2章 交通标志及相关技术介绍 | 第21-33页 |
| 2.1 交通标志概述及特点 | 第21-23页 |
| 2.1.1 禁令交通标志 | 第21-22页 |
| 2.1.2 指示类交通标志 | 第22页 |
| 2.1.3 警告类交通标志 | 第22-23页 |
| 2.2 图像处理技术介绍 | 第23-28页 |
| 2.2.1 常见图像噪声模型 | 第23-24页 |
| 2.2.2 图像空间域滤波处理 | 第24-25页 |
| 2.2.3 图像锐化处理 | 第25-27页 |
| 2.2.4 基于形态学处理 | 第27-28页 |
| 2.3 基于CANNY算子的目标检测方法 | 第28-29页 |
| 2.4 支持向量机基本分类方法 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于颜色和形状检测方法 | 第33-44页 |
| 3.1 引言 | 第33页 |
| 3.2 常见颜色空间模型 | 第33-35页 |
| 3.3 颜色空间分割检测算法 | 第35-38页 |
| 3.3.1 基于RGB色彩模型的图像分割算法 | 第35-37页 |
| 3.3.2 检测分割效果对比分析 | 第37-38页 |
| 3.4 检测区域形状拟合判定算法 | 第38-40页 |
| 3.5 拟合检测结果及AT-SBTM算法对比分析 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 两级分类识别方法 | 第44-58页 |
| 4.1 引言 | 第44页 |
| 4.2 特征提取方法 | 第44-47页 |
| 4.2.1 方向梯度直方图(HOG) | 第44-45页 |
| 4.2.2 局部二值模式(LBP) | 第45-47页 |
| 4.3 基于SVM的一级分类识别方法 | 第47-50页 |
| 4.3.1 基于SVM 一级分类算法设计 | 第47-48页 |
| 4.3.2 实验结果与分析 | 第48-50页 |
| 4.4 基于卷积神经网络二级分类识别方法 | 第50-57页 |
| 4.4.1 卷积神经网络基本知识 | 第50-51页 |
| 4.4.2 卷积神经网路识别框架设计 | 第51-54页 |
| 4.4.3 实验结果与分析 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 测试结果及分析 | 第58-63页 |
| 5.1 开发环境及实验环境 | 第58页 |
| 5.2 算法评价指标 | 第58-59页 |
| 5.3 算法评价 | 第59-62页 |
| 5.3.1 时间性能 | 第60-61页 |
| 5.3.2 准确度 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 总结 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第68-69页 |
| 致谢 | 第69页 |
