| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 序言 | 第9-14页 |
| ·研究背景和意义 | 第9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本论文主要研究内容 | 第10-12页 |
| ·论文的组构 | 第12-14页 |
| 第二章 颜色空间模型和图像传感器 | 第14-21页 |
| ·颜色空间织结 | 第14-17页 |
| ·RGB颜色空间 | 第14-15页 |
| ·CMY颜色空间 | 第15页 |
| ·HSI颜色空间 | 第15-17页 |
| ·图像传感器成像特点与应用分析 | 第17-20页 |
| ·图像传感器概述 | 第17页 |
| ·CMOS的工作原理 | 第17-19页 |
| ·背照式CMOS | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于HSI与RGB颜色分割的交通灯识别算法 | 第21-34页 |
| ·常见交通灯识别算法比较 | 第21-23页 |
| ·基于AdaBoost的人行横道指示灯识别算法 | 第21-22页 |
| ·基于链码趋势表的交通灯形状特征识别算法 | 第22-23页 |
| ·基于HSI与RGB颜色分割的交通灯识别算法流程 | 第23-24页 |
| ·兴趣区域确定 | 第24-26页 |
| ·信号灯定位 | 第26-33页 |
| ·图像掩膜处理 | 第26-27页 |
| ·图像分割 | 第27-29页 |
| ·RGB空间下提取灯箱 | 第29页 |
| ·数学形态学操作 | 第29-32页 |
| ·交通灯定位 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 交通灯识别算法的ARM实现 | 第34-43页 |
| ·嵌入式系统简介 | 第34-37页 |
| ·ARM简介 | 第34-35页 |
| ·S3C2440处理器 | 第35页 |
| ·基于Linux系统的TQ2440开发板 | 第35-37页 |
| ·OpenCV技术 | 第37-39页 |
| ·OpenCV技术特点 | 第37页 |
| ·OpenCV的应用要求 | 第37-39页 |
| ·交叉编译 | 第39-42页 |
| ·交叉编译环境的搭建 | 第39-41页 |
| ·交叉编译程序的ARM移植 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 人行横道交通灯识别实验 | 第43-47页 |
| ·图像采集和预处理 | 第43-44页 |
| ·复杂场景下交通灯识别结果 | 第44-45页 |
| ·算法结果分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 总结与讨论 | 第47-49页 |
| ·总结 | 第47-48页 |
| ·讨论 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 附录一 本设计的部分MATLAB程序 | 第52-55页 |
| 附录二 本设计的部分C++程序 | 第55-57页 |