| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·背景和意义 | 第9-10页 |
| ·研究现状、难点、趋势 | 第10-13页 |
| ·视频信号灯识别难点 | 第13页 |
| ·研究内容和文章结构 | 第13-14页 |
| ·研究内容 | 第13页 |
| ·文章结构 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第2章 视频交通信号灯识别算法框架和预处理 | 第15-21页 |
| ·信号灯识别算法的框架 | 第15-16页 |
| ·预处理 | 第16-20页 |
| ·图像降采样 | 第17页 |
| ·成像控制 | 第17-18页 |
| ·图像增强 | 第18-19页 |
| ·信号灯区域初定位 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于颜色和形状信息的信号灯检测方法 | 第21-42页 |
| ·颜色空间分析和选取 | 第21-27页 |
| ·RGB颜色模型 | 第21-22页 |
| ·YCbCr颜色模型 | 第22-23页 |
| ·CIE XYZ颜色空间 | 第23-24页 |
| ·CIE L*A*B颜色空间 | 第24-25页 |
| ·HSV颜色模型 | 第25-26页 |
| ·本文颜色空间的选取 | 第26-27页 |
| ·一种基于HSV颜色空间的信号灯区域分割方法 | 第27-30页 |
| ·S、V通道的最大类间方差分割 | 第27-28页 |
| ·本文的HSV颜色分割方法 | 第28-30页 |
| ·信号灯形状信息提取与过滤 | 第30-37页 |
| ·图像数学形态学处理 | 第31-32页 |
| ·一种改进的连通域分析方法 | 第32-34页 |
| ·信号灯候选区域几何约束 | 第34-37页 |
| ·候选区域的颜色主成分判定 | 第37-39页 |
| ·视频多帧信息的统计确认 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于PCA-HOG特征和SVM的信号灯识别方法 | 第42-52页 |
| ·常见的信号灯形状识别方法 | 第42-43页 |
| ·基于PCA降维的HOG特征的SVM分类器匹配方法 | 第43-51页 |
| ·HOG特征提取 | 第43-45页 |
| ·主成分分析（PCA）方法 | 第45-46页 |
| ·支持向量机（SVM） | 第46-49页 |
| ·基于PCA-HOG特征的SVM分类器训练 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 视频交通信号灯识别算法实验与分析 | 第52-59页 |
| ·算法PC端实验与结果统计 | 第53-55页 |
| ·算法智能相机（DSP）测试 | 第55-58页 |
| ·实验使用的智能相机介绍 | 第55-57页 |
| ·算法移植优化 | 第57页 |
| ·前端实验结果与分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 结论与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间参加的科研项目和成果 | 第65页 |