道路交通标志检测与识别算法的研究
| 目录 | 第1-6页 |
| CONTENTS | 第6-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-22页 |
| ·研究背景与意义 | 第12-14页 |
| ·系统构成与研究现状 | 第14-18页 |
| ·系统构成 | 第14页 |
| ·国内外研究现状 | 第14-18页 |
| ·存在的问题 | 第18-19页 |
| ·研究内容与章节安排 | 第19-22页 |
| 第二章 基于颜色特征的交通标志分割 | 第22-38页 |
| ·我国交通标志简介 | 第22-24页 |
| ·常用颜色模型中的交通标志检测方法 | 第24-34页 |
| ·RGB颜色模型中的标志分割 | 第24-30页 |
| ·HSI颜色模型中的标志分割 | 第30-32页 |
| ·YCbCr颜色模型中的标志分割 | 第32-34页 |
| ·形态学处理 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于傅立叶描述子和SVM的形状判别 | 第38-60页 |
| ·描述形状不变特征的方法简介 | 第38-41页 |
| ·不变矩理论 | 第38-41页 |
| ·小波描述子 | 第41页 |
| ·傅立叶描述子 | 第41-42页 |
| ·支持向量机理论简介 | 第42-50页 |
| ·统计学习理论 | 第43-45页 |
| ·支持向量机 | 第45-50页 |
| ·基于傅立叶描述子和SVM的形状判别 | 第50-59页 |
| ·特征提取 | 第50-55页 |
| ·实验流程及实验结果 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 基于PCA和BP网络的交通标志识别 | 第60-78页 |
| ·主成分分析简介 | 第60-63页 |
| ·BP神经网络介绍 | 第63-68页 |
| ·BP神经网络的结构模型 | 第64-65页 |
| ·BP神经网络的算法描述 | 第65-68页 |
| ·基于PCA和BP神经网络的标志识别 | 第68-73页 |
| ·PCA特征提取 | 第68-69页 |
| ·BP网络的训练 | 第69-71页 |
| ·交通标志的识别 | 第71-73页 |
| ·交通标志识别系统的实现 | 第73-77页 |
| ·本章小结 | 第77-78页 |
| 第五章 总结与展望 | 第78-80页 |
| ·全文工作总结 | 第78-79页 |
| ·本文局限性及工作展望 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-87页 |
| 学位论文评阅及答辩情况表 | 第87页 |
