| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 交通信号灯的基础知识 | 第10-11页 |
| 1.3 交通信号灯识别研究现状 | 第11-13页 |
| 1.3.1 基于颜色特征的识别算法 | 第12页 |
| 1.3.2 基于形状特征的识别算法 | 第12-13页 |
| 1.4 本文的主要工作 | 第13-16页 |
| 1.4.1 交通信号灯识别难点 | 第13-14页 |
| 1.4.2 研究内容 | 第14-15页 |
| 1.4.3 本文方法 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-18页 |
| 2 交通信号灯识别综述 | 第18-35页 |
| 2.1 交通信号灯色彩空间 | 第18-21页 |
| 2.1.1 色彩空间概述 | 第18页 |
| 2.1.2 色彩空间分析 | 第18-21页 |
| 2.2 特征描述子简介 | 第21-27页 |
| 2.2.1 HOG特征 | 第21-22页 |
| 2.2.2 LBP特征 | 第22-23页 |
| 2.2.3 GABOR特征 | 第23-24页 |
| 2.2.4 SWT特征 | 第24-26页 |
| 2.2.5 Rgsift特征 | 第26-27页 |
| 2.2.6 Transformed color sift特征 | 第27页 |
| 2.3 分类器简介 | 第27-33页 |
| 2.3.1 Adaboost分类器 | 第27-29页 |
| 2.3.2 LR分类器 | 第29-31页 |
| 2.3.3 SVM分类器 | 第31-33页 |
| 2.4 交通信号灯识别系统框架 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 3 交通信号灯的检测及特征提取 | 第35-48页 |
| 3.1 图像预处理 | 第35-41页 |
| 3.1.1 感兴趣区域划分 | 第35-36页 |
| 3.1.2 光线补偿 | 第36-37页 |
| 3.1.3 图像的S通道转换 | 第37-38页 |
| 3.1.4 图像二值化 | 第38-39页 |
| 3.1.5 形态学顶帽(WhiteTop-Hat) | 第39-41页 |
| 3.2 MSER区域检测 | 第41-43页 |
| 3.2.1 区域检测子简介 | 第41-42页 |
| 3.2.2 MSER区域检测 | 第42-43页 |
| 3.3 候选区域的过滤 | 第43-44页 |
| 3.4 特征提取 | 第44-45页 |
| 3.5 候选区域归一化 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 4 交通信号灯的识别 | 第48-54页 |
| 4.1 SVM在本文中的运用 | 第48-49页 |
| 4.2 交通信号灯的追踪和决策 | 第49-53页 |
| 4.2.1 基于S通道的Camshift追踪 | 第49-51页 |
| 4.2.2 决策模块 | 第51-53页 |
| 4.3 本章小结 | 第53-54页 |
| 5 交通信号灯识别实验 | 第54-65页 |
| 5.1 数据库简介 | 第54-55页 |
| 5.1.1 巴黎矿业大学数据库简介 | 第54-55页 |
| 5.1.2 交通信号灯识别数据库 | 第55页 |
| 5.2 交通信号灯识别结果 | 第55-64页 |
| 5.2.1 结果展示 | 第55-57页 |
| 5.2.2 实验分析 | 第57-64页 |
| 5.3 本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 本文工作总结 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间主要研究成果 | 第71-72页 |
| 致谢 | 第72页 |