| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·交通标识检测的研究现状 | 第8-9页 |
| ·交通标识分类判别的研究现状 | 第9-11页 |
| ·存在问题 | 第11页 |
| ·本文研究的主要内容 | 第11-12页 |
| ·论文的组织和结构 | 第12-13页 |
| 2 交通标识识别技术理论与系统构架 | 第13-21页 |
| ·引言 | 第13页 |
| ·交通标志的基本知识 | 第13-15页 |
| ·交通标志的分类 | 第13-15页 |
| ·交通标志识别的关键技术 | 第15-17页 |
| ·图像预处理技术 | 第15-16页 |
| ·图像检测技术 | 第16-17页 |
| ·模式识别技术 | 第17页 |
| ·自然场景下的交通标志图像 | 第17-19页 |
| ·交通标志识别的系统构架 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 图像预处理 | 第21-31页 |
| ·引言 | 第21页 |
| ·图像增强技术 | 第21-25页 |
| ·Gamma矫正 | 第21-22页 |
| ·HSI空间直方图均衡化方法 | 第22-25页 |
| ·图像滤波技术 | 第25-29页 |
| ·中值滤波 | 第25-26页 |
| ·自适应多级中值滤波 | 第26-27页 |
| ·Symmetric Neatest Neighbor(SNN)滤波 | 第27-28页 |
| ·滤波方法比较 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 4 基于多特征的交通标志图像检测与颜色分割 | 第31-43页 |
| ·引言 | 第31页 |
| ·基于多特征的图像检测 | 第31-33页 |
| ·交通标志检测算法流程 | 第31-32页 |
| ·交通标志检测流程 | 第32-33页 |
| ·彩色空间与相互转换 | 第33-36页 |
| ·彩色空间模型 | 第33页 |
| ·RGB彩色空间 | 第33-34页 |
| ·HSV彩色空间 | 第34-36页 |
| ·交通标志图像彩色分割 | 第36-42页 |
| ·彩色图像分割概述 | 第36-37页 |
| ·基于RGB分量差值的交通标志的颜色分割 | 第37-39页 |
| ·HSV彩色空间的颜色分割 | 第39-41页 |
| ·性能比较与算法选择 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 交通标志图像形状检测 | 第43-59页 |
| ·引言 | 第43页 |
| ·边缘检测 | 第43-48页 |
| ·边缘检测算子比较 | 第44-48页 |
| ·边缘检测效果分析 | 第48页 |
| ·形状分析算法研究 | 第48-54页 |
| ·基于Hough变换的圆型交通标志检测 | 第48-50页 |
| ·结合对称性的三角形交通标志检测 | 第50-52页 |
| ·基于模糊规则的三角形检测算法 | 第52-54页 |
| ·交通标志检测结果与分析 | 第54-57页 |
| ·本章小结 | 第57-59页 |
| 6 交通标志图像的特征提取与分类识别 | 第59-67页 |
| ·引言 | 第59页 |
| ·交通标志的特征提取 | 第59-60页 |
| ·模式识别理论 | 第60-61页 |
| ·模式识别系统 | 第60-61页 |
| ·图像模式识别 | 第61页 |
| ·基于支持向量机的交通标志分类算法 | 第61-66页 |
| ·统计学习理论 | 第61页 |
| ·支持向量机 | 第61-63页 |
| ·基于支持向量机的交通标志识别 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 7 结论及展望 | 第67-69页 |
| ·本文的主要工作 | 第67页 |
| ·进一步工作的方向 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |