| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国内研究现状 | 第14-15页 |
| 1.2.2 国外研究现状 | 第15-16页 |
| 1.3 论文的主要研究内容和章节安排 | 第16-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第二章 交通标志介绍 | 第20-24页 |
| 2.1 交通标志的基本知识 | 第20-21页 |
| 2.2 部分主标志 | 第21-23页 |
| 2.2.1 禁令标志 | 第21-22页 |
| 2.2.2 警告标志 | 第22页 |
| 2.2.3 指示标志 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 图像预处理 | 第24-34页 |
| 3.1 图像颜色空间简介 | 第24-27页 |
| 3.1.1 RGB颜色空间 | 第24-26页 |
| 3.1.2 HSV颜色空间 | 第26页 |
| 3.1.3 YUV颜色空间 | 第26-27页 |
| 3.2 图像增强 | 第27-29页 |
| 3.2.1 图像空间域增强算法 | 第27-29页 |
| 3.2.2 图像频率域域增强算法 | 第29页 |
| 3.3 交通标志的增强预处理 | 第29-33页 |
| 3.3.1 中值滤波 | 第30页 |
| 3.3.2 直方图均衡化 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 交通标志定位 | 第34-53页 |
| 4.1 交通标志检测算法介绍 | 第34-35页 |
| 4.1.1 基于颜色空间的交通标志定位算法 | 第34页 |
| 4.1.2 基于形状的交通标志定位算法 | 第34-35页 |
| 4.1.3 其他定位方法 | 第35页 |
| 4.2 基于RGB颜色空间的交通标志区域分割 | 第35-42页 |
| 4.2.1 交通标志主颜色选取 | 第37页 |
| 4.2.2 基于经验阈值法的交通标志区域分割 | 第37-38页 |
| 4.2.3 基于自适应阈值的交通标志区域分割 | 第38-42页 |
| 4.3 二值化交通标志图像 | 第42-45页 |
| 4.3.1 经验阈值法的二值化 | 第42-43页 |
| 4.3.2 基于最大类间方差法(OSTU)的自适应阈值二值化 | 第43-44页 |
| 4.3.3 一种改进的自适应阈二值化方法 | 第44-45页 |
| 4.4 基于二值图的交通标志区域定位 | 第45-47页 |
| 4.5 实验结果与分析 | 第47-52页 |
| 4.5.1 颜色分割结果与分析 | 第47-51页 |
| 4.5.2 分割与定位算法性能分析 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 交通标志识别 | 第53-66页 |
| 5.1 交通标志识别算法介绍 | 第53-54页 |
| 5.1.1 基于机器学习方法的交通标志识别 | 第53-54页 |
| 5.1.2 基于深度学习的交通标志识别 | 第54页 |
| 5.2 交通标志识别 | 第54-59页 |
| 5.2.1 基于SVM的交通标志识别 | 第54-55页 |
| 5.2.2 卷积神经网络 | 第55-57页 |
| 5.2.3 基于Alexnet神经网络交通标志识别 | 第57-59页 |
| 5.3 实验与结果分析 | 第59-64页 |
| 5.3.1 图像尺度归一化 | 第59-60页 |
| 5.3.2 交通标志图像数据集 | 第60-61页 |
| 5.3.3 基于Alexnet神经网络实验与识别结果 | 第61-64页 |
| 5.3.4 实验结果分析 | 第64页 |
| 5.4 本章小结 | 第64-66页 |
| 总结与展望 | 第66-68页 |
| 总结 | 第66-67页 |
| 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读学位期间发表的论文 | 第71-73页 |
| 致谢 | 第73页 |
