基于神经网络的交通标志识别的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| Contents | 第10-13页 |
| 第一章 绪论 | 第13-24页 |
| ·课题的研究背景和意义 | 第13-14页 |
| ·交通标志识别的国内外研究现状 | 第14-18页 |
| ·国外研究现状 | 第14-16页 |
| ·国内研究现状 | 第16-17页 |
| ·交通标志识别技术的应用现状 | 第17-18页 |
| ·交通标志图像检测与识别的主要难点 | 第18页 |
| ·模式识别和神经网络简介 | 第18-22页 |
| ·模式识别理论 | 第18-19页 |
| ·神经网络简介 | 第19-22页 |
| ·本文主要工作与结构安排 | 第22-24页 |
| ·主要工作 | 第22-23页 |
| ·论文的结构安排 | 第23-24页 |
| 第二章 交通标志识别系统的总体设计 | 第24-35页 |
| ·交通标志的基本分析 | 第24-26页 |
| ·道路交通标志识别的关键技术 | 第26-33页 |
| ·交通标志图像的预处理技术 | 第27页 |
| ·交通标志图像的分割检测技术 | 第27-28页 |
| ·交通标志图像的特征提取技术 | 第28-30页 |
| ·交通标志图像的分类识别 | 第30-33页 |
| ·交通标志识别系统的总体设计 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 交通标志识别的图像预处理研究 | 第35-44页 |
| ·交通标志图像预处理 | 第35-40页 |
| ·图像均衡化 | 第35-37页 |
| ·图像锐化 | 第37-39页 |
| ·Gamma校正 | 第39-40页 |
| ·交通标志复原 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 交通标志识别的分割与定位研究 | 第44-62页 |
| ·基于颜色信息分割的技术难点 | 第44-45页 |
| ·图像彩色模型的分析 | 第45-47页 |
| ·颜色空间的选择分析 | 第47-48页 |
| ·基于HSV颜色空间的交通标志分割 | 第48-51页 |
| ·形态学处理 | 第51-55页 |
| ·结构元素矩阵 | 第51-52页 |
| ·膨胀、腐蚀及其实现 | 第52-53页 |
| ·二值图像填充 | 第53-54页 |
| ·实验结果与分析 | 第54-55页 |
| ·基于多特征的通标志检测 | 第55-58页 |
| ·基于标记的交通标志形状识别实验 | 第58-61页 |
| ·实验设计 | 第58-59页 |
| ·实验结果 | 第59-61页 |
| ·实验结果分析 | 第61页 |
| ·本章小节 | 第61-62页 |
| 第五章 基于神经网络的交通标志识别研究与实验验证 | 第62-81页 |
| ·实验样本库的建立 | 第62-64页 |
| ·基于不变矩的交通标志的特征提取 | 第64-68页 |
| ·基于BP神经网络的分类研究 | 第68-74页 |
| ·BP神经网络模型 | 第68-71页 |
| ·传统BP神经网络的分类实验 | 第71-73页 |
| ·传统BP神经网络的局限性分析 | 第73-74页 |
| ·基于WDD方法的BP神经网络改进 | 第74-79页 |
| ·基于累加(ADD)的BP神经网络结构自确定 | 第76-78页 |
| ·WDD神经网络的分类实验 | 第78-79页 |
| ·本章小结 | 第79-81页 |
| 第六章 总结与展望 | 第81-83页 |
| ·全文总结 | 第81页 |
| ·展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读学位期间发表的论文 | 第87-89页 |
| 致谢 | 第89页 |
