| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-12页 |
| 主要缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-25页 |
| ·本文的研究动机 | 第13-15页 |
| ·文献回顾 | 第15-23页 |
| ·交通标志侦测算法的研究现状 | 第16-20页 |
| ·交通标志预处理算法的研究现状 | 第20-21页 |
| ·交通标志分类算法的研究现状 | 第21-23页 |
| ·本文主要工作 | 第23-24页 |
| ·本文结构及内容安排 | 第24-25页 |
| 第二章 交通标志识别的技术理论 | 第25-46页 |
| ·交通标志的基本知识 | 第25-28页 |
| ·交通标志识别的关键技术 | 第28-42页 |
| ·交通标志识别的系统框架 | 第42-45页 |
| ·结论 | 第45-46页 |
| 第三章 结合粒子群优化算法的交通标志侦测算法研究 | 第46-65页 |
| ·引言 | 第46页 |
| ·改进的粒子群优化搜索算法 | 第46-50页 |
| ·交通标志匹配算法及改进 | 第50-55页 |
| ·结合对称性的交通标志匹配算法 | 第50-53页 |
| ·基于改进Hausdorff距离的交通标志匹配算法 | 第53-55页 |
| ·结合对称性以及改进 Hausdorff距离的粒子群侦测算法 | 第55-58页 |
| ·仿真实验结果及分析 | 第58-64页 |
| ·结论 | 第64-65页 |
| 第四章 图像盲复原技术及在交通标志识别中的应用 | 第65-90页 |
| ·引言 | 第65-66页 |
| ·图像盲复原算法简介 | 第66-75页 |
| ·图像盲复原算法现状 | 第67-73页 |
| ·图像盲复原算法研究方向 | 第73-75页 |
| ·结合人类视觉特点的全变差图像盲复原算法 | 第75-83页 |
| ·结合人类视觉特点的图像盲复原问题的描述 | 第75-76页 |
| ·结合人类视觉特点的固定点全变差图像盲复原算法 | 第76-78页 |
| ·结合人类视觉特点的小生境遗传全变差图像盲复原算法 | 第78-83页 |
| ·仿真实验结果及分析 | 第83-86页 |
| ·图像盲复原算法在交通标志识别中的应用 | 第86-88页 |
| ·结论 | 第88-90页 |
| 第五章 基于概率神经网络的交通标志分类算法研究 | 第90-110页 |
| ·引言 | 第90页 |
| ·不变距理论 | 第90-94页 |
| ·基于 Tchebichef不变距的特征提取方法 | 第94-96页 |
| ·基于概率神经网络的交通标志分类算法 | 第96-103页 |
| ·概率神经网络简介 | 第96-98页 |
| ·改进的概率神经网络 | 第98-101页 |
| ·基于改进的概率神经网络分类算法设计 | 第101-103页 |
| ·仿真实验结果及分析 | 第103-106页 |
| ·不变距对比实验 | 第103-104页 |
| ·交通标志分类算法对比实验 | 第104-106页 |
| ·结论 | 第106-110页 |
| 第六章 结束语 | 第110-114页 |
| ·本文开展的工作 | 第110-111页 |
| ·后续的研究工作 | 第111-112页 |
| ·展望 | 第112-114页 |
| 参考文献 | 第114-132页 |
| 致谢 | 第132-133页 |
| 攻读博士学位期间发表和完成的学术论文情况 | 第133-135页 |
| 攻读博士学位期间参与科研情况 | 第135-136页 |
| 攻读博士学位期间获奖情况 | 第136页 |
