| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·国内外现状分析研究 | 第9-12页 |
| ·图像去雾的相关算法研究 | 第10页 |
| ·限速标志检测的相关算法研究 | 第10-11页 |
| ·限速标志分类识别的相关算法研究 | 第11-12页 |
| ·主要研究内容 | 第12-13页 |
| ·论文内容安排 | 第13-14页 |
| 第二章 道路图像去雾算法的研究 | 第14-26页 |
| ·雾天图像模糊的本质 | 第14-15页 |
| ·常用的去雾算法 | 第15-20页 |
| ·多尺度Retinex图像增强算法 | 第15-17页 |
| ·基于暗通道先验原理的去雾算法 | 第17-20页 |
| ·改进的基于暗通道先验原理的去雾算法 | 第20-25页 |
| ·全局光照强度的推算 | 第20-22页 |
| ·透射率图的求解 | 第22-23页 |
| ·实验结果与分析 | 第23-25页 |
| ·本章总结 | 第25-26页 |
| 第三章 基于HOG特征与SVM分类器的限速标志检测算法的研究 | 第26-37页 |
| ·基于颜色和几何特征的限速标志粗定位 | 第26-31页 |
| ·彩色阈值分割 | 第26-29页 |
| ·形态学处理 | 第29-30页 |
| ·利用圆形度找寻圆形区域 | 第30-31页 |
| ·基于HOG特征与SVM分类器的限速标志检测 | 第31-35页 |
| ·HOG特征 | 第31-32页 |
| ·SVM分类算法 | 第32-33页 |
| ·基于HOG特征与SVM分类器的限速标志检测 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 基于卷积神经网络的限速标志识别算法的研究 | 第37-47页 |
| ·卷积神经网络算法的理论基础 | 第37-41页 |
| ·深度学习的理论基础 | 第37-39页 |
| ·卷积神经网络的理论基础 | 第39-41页 |
| ·基于改进的卷积神经网络的限速标志识别 | 第41-46页 |
| ·改进的卷积神经网络 | 第41-42页 |
| ·训练样本 | 第42-43页 |
| ·图像预处理 | 第43-44页 |
| ·实验结果与分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·本章小结 | 第47-48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读学位期间所取得的相关科研成果 | 第52-53页 |
| 致谢 | 第53-54页 |