基于颜色信息和SVM的交通标志识别技术的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 选题背景及研究意义 | 第10页 |
| 1.2 交通标志识别技术的研究现状与发展 | 第10-12页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 交通标志识别存在的问题 | 第12-13页 |
| 1.4 本文主要工作及结构安排 | 第13-14页 |
| 第2章 交通标志识别相关技术介绍 | 第14-28页 |
| 2.1 交通标志的先验知识 | 第14页 |
| 2.2 相关技术概述 | 第14-27页 |
| 2.2.1 图像预处理相关技术 | 第15-17页 |
| 2.2.2 交通标志分割相关技术 | 第17-18页 |
| 2.2.3 数学形态学 | 第18-19页 |
| 2.2.4 边缘检测 | 第19-24页 |
| 2.2.5 统计学习理论 | 第24-26页 |
| 2.2.6 交通标志识别常用技术 | 第26-27页 |
| 2.3 交通标志分类识别系统的总体设计方案 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于颜色信息的交通标志检测 | 第28-44页 |
| 3.1 交通标志图像增强 | 第28-31页 |
| 3.1.1 MSRCR算法 | 第29页 |
| 3.1.2 亮度分离MSRCR算法 | 第29-31页 |
| 3.2 基于RGB颜色空间的交通标志分割 | 第31-34页 |
| 3.2.1 HSV颜色空间交通标志分割 | 第32-33页 |
| 3.2.2 RGB颜色空间交通标志分割 | 第33-34页 |
| 3.3 交通标志区域筛选 | 第34-42页 |
| 3.3.1 图像二值化 | 第34-35页 |
| 3.3.2 二值面积阈值算法 | 第35-38页 |
| 3.3.3 初步改进的二值面积阈值算法 | 第38-40页 |
| 3.3.4 二次改进的二值面积阈值算法 | 第40-42页 |
| 3.4 交通标志定位 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于SVM的交通标志分类识别 | 第44-64页 |
| 4.1 支持向量机简介 | 第44-49页 |
| 4.1.1 线性最优分类超平面 | 第44-46页 |
| 4.1.2 非线性最优分类超平面 | 第46页 |
| 4.1.3 核函数 | 第46-47页 |
| 4.1.4 支持向量机的多类分类方法 | 第47-49页 |
| 4.2 样本数据库的创建 | 第49-50页 |
| 4.3 应用SVM构建交通标志识别的级联分类器 | 第50-63页 |
| 4.3.1 基于边缘方向直方图的交通标志一级分类 | 第51-60页 |
| 4.3.2 基于Hu不变矩的交通标志二级分类 | 第60-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 系统设计与实现 | 第64-70页 |
| 5.1 实验环境介绍 | 第64页 |
| 5.2 系统功能模块设计 | 第64-65页 |
| 5.3 性能评价指标 | 第65-66页 |
| 5.4 实验结果与性能分析 | 第66-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 本文工作总结 | 第70页 |
| 6.2 存在的问题及其展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读硕士期间发表的论文 | 第78页 |
