| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·研究背景及意义 | 第11-13页 |
| ·国内外研究现状 | 第13-19页 |
| ·交通标志检测算法的研究现状 | 第13-17页 |
| ·交通标志分类算法的研究现状 | 第17-19页 |
| ·本文的主要内容及安排 | 第19-20页 |
| 第2章 交通标志的检测与识别 | 第20-33页 |
| ·交通标志的基本知识 | 第20-23页 |
| ·禁令标志 | 第20页 |
| ·警告标志 | 第20页 |
| ·指示标志 | 第20-23页 |
| ·交通标志检测和识别的关键技术 | 第23-30页 |
| ·识别框架 | 第24页 |
| ·预处理技术 | 第24-26页 |
| ·分割技术 | 第26-28页 |
| ·特征提取与选择技术 | 第28-29页 |
| ·基于神经网络的识别 | 第29-30页 |
| ·交通标志识别系统的框架设计 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于颜色信息的交通标志分割算法研究 | 第33-43页 |
| ·引言 | 第33页 |
| ·交通标志的预处理 | 第33-36页 |
| ·图像的增强 | 第33页 |
| ·图像的复原 | 第33-36页 |
| ·基于彩色空间模型的图像分割 | 第36-41页 |
| ·基于 RGB 颜色模型的交通标志图像分割 | 第36-38页 |
| ·基于HIS 颜色模型的交通标志图像分割 | 第38-40页 |
| ·颜色模型的分割比较 | 第40-41页 |
| ·分割后图像的去噪处理 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 特征提取与选择 | 第43-51页 |
| ·特征提取的一些基本概念 | 第43-44页 |
| ·特征的分类以及特性 | 第43页 |
| ·标识别的特殊性 | 第43-44页 |
| ·特征提取 | 第44页 |
| ·图像的矩不变特征 | 第44-46页 |
| ·图像的平移、比例、归一化 | 第44-46页 |
| ·图像的极坐标化 | 第46页 |
| ·交通标志的特征矩提取与选择 | 第46-50页 |
| ·图像的像素级特征 | 第46-48页 |
| ·Hu 不变矩特征 | 第48-49页 |
| ·Hu 不变矩的修正 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于不变矩和模糊小波神经网络的交通标志识别技术 | 第51-67页 |
| ·模糊技术的一些相关概念 | 第51-54页 |
| ·模糊集合的概念 | 第51页 |
| ·模糊集合的表示方法 | 第51-52页 |
| ·隶属函数的建立 | 第52-54页 |
| ·模糊系统与神经网络的结合 | 第54-55页 |
| ·基于 BP 神经网络交通标志分类识别 | 第55-58页 |
| ·BP 神经网络的结构模型 | 第56-57页 |
| ·BP 网络训练的算法实现 | 第57-58页 |
| ·基于模糊小波神经网络的交通标志识别 | 第58-63页 |
| ·模糊小波神经网络的结构模型 | 第58-61页 |
| ·模糊小波神经网络训练算法的实现 | 第61-63页 |
| ·基于不变矩和模糊小波神经网络的交通标志识别 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 总结 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 摘要 | 第76-81页 |
| ABSTRACT | 第81-89页 |