基于HOG特征的交通标志检测与识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状及相关算法概述 | 第9-13页 |
| 1.2.1 国外主要研究现状 | 第9页 |
| 1.2.2 国内主要研究现状 | 第9-10页 |
| 1.2.3 交通标志检测与识别相关算法概述 | 第10-13页 |
| 1.3 交通标志检测识别算法的难点分析 | 第13页 |
| 1.4 本文的主要内容及组织结构 | 第13-15页 |
| 第二章 交通标志检测与识别算法分析 | 第15-29页 |
| 2.1 交通标志 | 第15-16页 |
| 2.2 几种常见的颜色模型 | 第16-18页 |
| 2.2.1 RGB颜色模型 | 第16-17页 |
| 2.2.2 HSV颜色模型 | 第17页 |
| 2.2.3 HSI颜色模型 | 第17-18页 |
| 2.2.4 YCbCr颜色模型 | 第18页 |
| 2.3 匹配检测 | 第18-22页 |
| 2.3.1 互相关匹配法 | 第19-20页 |
| 2.3.2 相似性度量距离法 | 第20-22页 |
| 2.4 颜色直方图 | 第22页 |
| 2.4.1 颜色直方图分类 | 第22页 |
| 2.5 HOG特征 | 第22-24页 |
| 2.5.1 主要原理 | 第22-23页 |
| 2.5.2 具体实现步骤 | 第23-24页 |
| 2.6 支持向量机 | 第24-27页 |
| 2.6.1 统计学习理论 | 第24页 |
| 2.6.2 支持向量机 | 第24-27页 |
| 2.7 本章小结 | 第27-29页 |
| 第三章 交通标志检测与识别算法研究 | 第29-53页 |
| 3.1 图像预处理 | 第29-31页 |
| 3.1.1 图像去噪 | 第29-30页 |
| 3.1.2 直方图均衡化 | 第30-31页 |
| 3.2 感兴趣区域的检测与分割 | 第31-34页 |
| 3.2.1 感兴趣区域 | 第31页 |
| 3.2.2 颜色空间的转换 | 第31-34页 |
| 3.3 形态学图像处理 | 第34-38页 |
| 3.3.1 膨胀 | 第34-35页 |
| 3.3.2 腐蚀 | 第35-36页 |
| 3.3.3 开运算与闭运算 | 第36-38页 |
| 3.4 模板匹配 | 第38-40页 |
| 3.4.1 具体匹配方法 | 第38-40页 |
| 3.4.2 感兴趣区域的提取 | 第40页 |
| 3.5 梯度方向直方图特征提取 | 第40-48页 |
| 3.5.1 颜色空间的归一化 | 第42-43页 |
| 3.5.2 计算图像的梯度 | 第43-44页 |
| 3.5.3 细胞梯度方向直方图的统计 | 第44-45页 |
| 3.5.4 区域中块的划分和计算 | 第45-47页 |
| 3.5.5 块中梯度方向直方图的归一化 | 第47-48页 |
| 3.6 Libsvm工具箱概述以及样本特征提取 | 第48-50页 |
| 3.6.1 Libsvm工具箱概述 | 第48页 |
| 3.6.2 样本特征提取 | 第48-50页 |
| 3.7 分类器参数优化 | 第50-52页 |
| 3.7.1 核函数的选取 | 第50页 |
| 3.7.2 交互检验 | 第50-52页 |
| 3.8 本章小结 | 第52-53页 |
| 第四章 交通标志检测与识别算法测试与验证 | 第53-60页 |
| 4.1 交通标志数据集 | 第53-54页 |
| 4.2 交通标志检测分类算法测试 | 第54-57页 |
| 4.3 交通标志检测与分类算法总体验证 | 第57-59页 |
| 4.4 本章总结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 攻读学位期间发表的论文 | 第64-66页 |
| 致谢 | 第66页 |
