首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--电子计算机在公路运输和公路工程中的应用论文

基于信号分解表示的交通标志定位与识别算法研究

摘要第4-5页
Abstract第5页
1 绪论第8-12页
    1.1 研究背景及意义第8页
    1.2 相关知识介绍第8-9页
    1.3 国内外标志定位与识别的研究概况第9-10页
    1.4 交通标志定位与识别的难点第10-11页
    1.5 本文的主要研究工作及框架结构第11-12页
2 交通标志定位算法第12-22页
    2.1 引言第12-13页
    2.2 从RGB到HSI模型转换第13-16页
    2.3 图像干扰消除的限制条件第16-17页
    2.4 系统的自适应性第17-18页
    2.5 算法流程第18-19页
    2.6 实验结果及分析第19-22页
3 基于稀疏表示的标志识别算法第22-41页
    3.1 引言第22页
    3.2 稀疏表示算法介绍第22-25页
        3.2.1 稀疏表示算法的发展与现状第22-23页
        3.2.2 稀疏表示基本原理第23-25页
    3.3 字典的训练第25-32页
        3.3.1 经典K-SVD训练字典第25-28页
        3.3.2 像素值为特征的级联字典第28-30页
        3.3.3 HOG特征的级联字典第30-32页
    3.4 稀疏分解算法及系数特点分析第32-35页
        3.4.1 匹配追踪(MP)与正交匹配追踪(OMP)第32-33页
        3.4.2 稀疏系数特点分析第33-35页
    3.5 算法流程第35-36页
        3.5.1 字典训练算法流程第35页
        3.5.2 交通标志的识别流程第35-36页
    3.6 实验结果与分析第36-41页
        3.6.1 原子个数的选择第37-38页
        3.6.2 稀疏度的选择第38-39页
        3.6.3 与经典算法结果比较第39-41页
4 基于非负矩阵分解的标志识别算法第41-55页
    4.1 引言第41页
    4.2 非负矩阵分解的基本理论第41-44页
    4.3 非负矩阵分解用于分类的可行性研究第44-45页
    4.4 字典的结构与组成第45-46页
        4.4.1 多类别字典的构造第45-46页
        4.4.2 字典的构成第46页
    4.5 分类第46-50页
        4.5.1 像素值特征时H向量特点及分析第46-48页
        4.5.2 HOG特征时H向量特点及分析第48-50页
    4.6 算法流程第50-51页
        4.6.1 字典训练流程第50-51页
        4.6.2 标志识别流程第51页
    4.7 实验结果及分析第51-55页
        4.7.1 迭代次数的选择第51-52页
        4.7.2 原子个数r的选择第52-53页
        4.7.3 与稀疏表示算法稀疏系数特点比较第53-55页
结论第55-57页
参考文献第57-61页
攻读硕士学位期间发表学术论文情况第61-62页
致谢第62-63页

论文共63页,点击 下载论文
上一篇:非公路宽体自卸车前桥辅助驱动系统研究
下一篇:非对称弧线圆柱齿轮设计与啮合特性研究