| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 选题背景及研究意义 | 第11页 |
| 1.2 交通标志识别技术的研究现状与发展 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 交通标志识别存在的问题 | 第13页 |
| 1.4 本文主要工作及结构安排 | 第13-15页 |
| 第2章 交通标志识别相关技术介绍 | 第15-29页 |
| 2.1 图像处理相关知识介绍 | 第15-20页 |
| 2.1.1 平滑处理 | 第15-16页 |
| 2.1.2 锐化处理 | 第16-20页 |
| 2.2 Hough变换原理 | 第20-23页 |
| 2.2.1 Hough直线检测法 | 第21页 |
| 2.2.2 Hough圆检测法 | 第21-23页 |
| 2.3 径向对称性原理 | 第23-24页 |
| 2.4 基于CUDA平台的并行计算 | 第24-27页 |
| 2.4.1 CUDA简介 | 第24-25页 |
| 2.4.2 CUDA线程层次结构 | 第25-26页 |
| 2.4.3 CUDA的存储器模型 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 系统关键算法研究 | 第29-41页 |
| 3.1 边缘检测算法 | 第29-30页 |
| 3.2 基于径向对称和方向判别交通标志检测算法 | 第30-35页 |
| 3.2.1 圆形交通标志检测算法 | 第31-33页 |
| 3.2.2 三角形交通标志检测算法 | 第33-35页 |
| 3.3 基于Haar特征的级联Adaboost识别算法 | 第35-40页 |
| 3.3.1 特征的提取与计算 | 第36-38页 |
| 3.3.2 Adaboost级联分类器 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 系统算法的CUDA并行实现 | 第41-59页 |
| 4.1 CPU+GPU端的任务划分 | 第41-42页 |
| 4.2 图像预处理算法并行设计与实现 | 第42-49页 |
| 4.2.1 并行算法基本思路 | 第42-43页 |
| 4.2.2 并行策略优化 | 第43-47页 |
| 4.2.3 CUDA并行实现及实验结果 | 第47-49页 |
| 4.3 交通标志检测算法并行设计与实现 | 第49-57页 |
| 4.3.1 并行算法基本思路 | 第49-51页 |
| 4.3.2 并行策略优化 | 第51-55页 |
| 4.3.3 CUDA并行实现及实验结果 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 系统实现与结果评估 | 第59-69页 |
| 5.1 系统功能介绍 | 第59页 |
| 5.2 系统框架介绍 | 第59-60页 |
| 5.3 实验环境介绍 | 第60-61页 |
| 5.4 系统评估 | 第61-67页 |
| 5.4.1 评估方法 | 第61-63页 |
| 5.4.2 系统性能评估结果 | 第63-64页 |
| 5.4.3 系统结果 | 第64-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第6章 总结和展望 | 第69-71页 |
| 6.1 本文工作总结 | 第69页 |
| 6.2 未来工作展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |