基于多线索混合的交通标志识别算法的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-12页 |
| ·交通标志现有的识别方法及其技术难点 | 第12-15页 |
| ·交通标志识别的现有算法概述 | 第12-13页 |
| ·研究内容与技术难点 | 第13-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·本文的研究内容 | 第15页 |
| ·本文的组织结构 | 第15-16页 |
| ·本章小结 | 第16-18页 |
| 第2章 交通标志识别的技术理论 | 第18-24页 |
| ·交通标志的相关知识介绍 | 第18-19页 |
| ·交通标志的设计特点 | 第19-20页 |
| ·识别算法总体描述 | 第20-22页 |
| ·本章小结 | 第22-24页 |
| 第3章 基于颜色和形状的交通标志检测 | 第24-42页 |
| ·检测算法概述 | 第24-28页 |
| ·基于颜色的方法 | 第24-27页 |
| ·基于形状的方法 | 第27-28页 |
| ·基于颜色的初步分割 | 第28-34页 |
| ·基于伪 RGB-HSI的颜色提取 | 第28-30页 |
| ·基于颜色梯度的分割 | 第30-34页 |
| ·形状检测 | 第34-40页 |
| ·三角形和矩形标志检测 | 第34-37页 |
| ·圆形标志检测 | 第37-40页 |
| ·实验结果分析 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第4章 支持向量机在交通标志识别中的应用 | 第42-58页 |
| ·概述 | 第42-44页 |
| ·统计模式识别 | 第42-43页 |
| ·机器学习 | 第43-44页 |
| ·支持向量机理论基础 | 第44-50页 |
| ·线性最优分类超平面 | 第44-47页 |
| ·广义的最优分类超平面 | 第47-48页 |
| ·核函数 | 第48-50页 |
| ·交通标志识别系统结构分析 | 第50-56页 |
| ·支持向量机多类分类方法及其特点 | 第50-51页 |
| ·基于二叉树 SVM分类器的交通标志识别 | 第51-56页 |
| ·基于有限状态机的交通标志的融合 | 第56-58页 |
| 第5章 交通标志的跟踪 | 第58-62页 |
| ·交通标志跟踪的概述 | 第58页 |
| ·基于 Lucas-Kanade交通标志跟踪 | 第58-60页 |
| ·实验结果 | 第60-62页 |
| 第6章 总结与展望 | 第62-64页 |
| ·工作总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 研究生期间发表论文情况 | 第70页 |
